第1章 绪论 1
1.1 问题的提出 1
1.2 研究背景和意义 2
1.3 国内外研究进展 3
1.4 相关研究存在的问题与展望 10
1.5 本书主要研究工作 12
第2章 黄河、长江流域水文概况及径流变化基本特征 16
2.1 黄河流域水文概况 16
2.2 黄河径流基本资料及变化特征 18
2.3 长江流域概况及水文特征 23
2.4 本章小结 28
第3章 河川径流时间序列分析的理论基础 29
3.1 河川径流时间序列的基本概念 29
3.2 河川径流时间序列分析的统计理论 29
3.3 径流时间序列的组成 33
3.4 河川径流时间序列的自回归模型 39
3.5 河川径流时间序列的滑动平均模型与自回归滑动平均模型 41
第4章 河川径流时间序列的相空间重构 44
4.1 径流序列相空间重构概论 44
4.2 径流序列相空间重构参数的确定 45
4.3 径流时间序列相空间重构 51
4.4 本章小结 65
第5章 河川径流时间序列的混沌特征识别 66
5.1 混沌的定义 66
5.2 混沌运动的特征及分类 67
5.3 混沌理论在径流系统应用的适应性分析 68
5.4 径流系统混沌特征的识别方法 69
5.5 径流混沌特征识别 73
5.6 本章小结 79
第6章 河川月径流预测的相空间近邻等距模型 81
6.1 引言 81
6.2 混沌预测方法简介 83
6.3 相空间模式及其在径流预测中的应用 85
6.4 本章小结 91
第7章 河川月径流预测的混沌支持向量机模型 92
7.1 概述 92
7.2 机器学习与统计学习理论 92
7.3 支持向量机 95
7.4 基于混沌理论的最小二乘支持向量机径流预测模型（C-LSSVM） 101
7.5 模型应用 103
7.6 本章小结 112
第8章 河川日径流预报的混沌神经网络模型 113
8.1 概述 113
8.2 神经网络简介 114
8.3 BP神经网络 115
8.4 日径流预报的混沌神经网络模型 119
8.5 本章小结 121
第9章 基于归一化径向基函数网络的径流预测 122
9.1 RBF网络基本原理 122
9.2 基于归一化RBF网络的黄河上游径流预报：以兰州站为例 123
9.3 算例 125
9.4 本章小结 126
第10章 基于最近邻点法的河川径流混沌预测 127
10.1 概述 127
10.2 最近邻点法预测原理 128
10.3 相空间参数的确定 129
10.4 预测精度衡量准则 130
10.5 应用实例 131
10.6 本章小结 133
第11章 河川径流演变的长程相关性诊断分析及趋势预测 135
11.1 概述 135
11.2 长程相关性定义 136
11.3 非趋势波动分析方法 138
11.4 河川径流时间序列非趋势波动分析 139
11.5 本章小结 146
第12章 河川径流变化的小波分析 147
12.1 小波变换的基本原理 147
12.2 河川径流序列的小波变换分析 150
12.3 本章小结 163
第13章 结论与展望 164
13.1 结论 164
13.2 展望 165
参考文献 167