環境系統模擬與仿真

第1章 緒論1
1.1系統論1
1.1.1概述1
1.1.2因果性2
1.1.3基本思想方法2
1.2控制論3
1.2.1概述3
1.2.2核心任務3
1.2.3黑白箱理論3
1.2.4基本方法4
1.3環境系統數學模型4
1.3.1概述4
1.3.2環境系統數學模型的分類4
學習提示5
習題6

第2章 數據預處理技術7
2.1Matlab簡介7
2.2統一數據檔案格式、數據類型、單位、精度8
2.3無效數據識別及處理8
2.3.1剔除9
2.3.2插值填補10
2.4小波降噪13
2.4.1環境系統觀測的隨機誤差13
2.4.2數據降噪技術概況14
2.4.3小波降噪的Matlab實現14
2.5歸一化22
2.5.1Matlab的歸一化函數23
2.5.2歸一化應用實例23
2.6主成分分析25
2.6.1主成分及主成分分析的概念27
2.6.2主成分分析的基本原理和技術步驟27
2.6.3主成分分析的SPSS實現29
2.6.4主成分分析的Matlab實現33
學習提示35
習題36

第3章 環境系統數值模型與模擬37
3.1概述37
3.1.1環境數學模型在環境管理中的應用38
3.1.2數學模型的功能38
3.2環境問題的數學模型39
3.2.1數學模型的特徵39
3.2.2建立數學模型一般遵循的規律39
3.2.3系統的概念和基本特徵40
3.2.4環境系統分析和環境數學模型41
3.3河流水質數學模型S-P模型42
3.4建立環境數學模型的機理分析法44
3.4.1環境數學模型遵循的基本約束44
3.4.2環境系統中的基本單位過程45
3.5基本環境流體動力學模型49
3.5.1零維模型49
3.5.2一維模型51
3.5.3二維（三維）基本環境流體動力學模型53
3.5.4一維模型的解析解54
3.5.5非穩定排放源污染物遷移特徵55
3.6線性回歸分析57
3.6.1一元線性回歸57
3.6.2相關係數59
3.6.3多元線性回歸分析61
學習提示63
習題63

第4章 神經網路環境數學模型65
4.1人工神經網路概念65
4.2神經網路的特點67
4.3人工神經網路開發的技術路線68
4.4人工神經網路的發展史68
4.5神經網路的研究進展及環境應用69
4.5.1人工神經網路的研究進展69
4.5.2人工神經網路在環境建模中的應用71
4.6神經元72
4.6.1生物神經元72
4.6.2人工神經元模型73
4.7人工神經網路的類型及特點77
4.7.1以網路結構和學習演算法分類77
4.7.2以是否延遲回饋及時間直接相關進行分類79
4.8人工神經網路的Matlab實現79
4.8.1神經網路工具箱80
4.8.2神經網路基礎函數80
4.8.3神經網路求解環境問題的基本步驟88
學習提示88
習題89

第5章 靜態神經網路模型90
5.1感知器網路90
5.2線性神經網路98
5.2.1線性網路的基本語法98
5.2.2線性網路的實例99
5.3徑向基函數神經網路107
5.3.1傳遞函數和網路結構108
5.3.2徑向基網路108
5.3.3精確徑向基網路109
5.3.4newpnn概率神經網路116
5.3.5newgrnn泛化回歸神經網路117
5.4自組織網路120
5.4.1概述120
5.4.2通用型競爭網路120
5.5BP神經網路123
5.5.1傳遞函數124
5.5.2訓練函數與學習函數125
5.5.3BP神經網路類型及語法格式125
5.5.4BP神經網路結構與內部計算傳遞的基本規則129
5.5.5BP神經網路的底層工作原理131
5.5.6BP神經網路隱層設計的一般性原則139
5.5.7提高BP泛化能力 139
5.5.8BP神經網路應用實例146
5.6靜態網路可靠性評價150
5.7網路訓練前數據處理技術路線和樣本數據規劃策略156
學習提示158
習題158

第6章 動態神經網路模型160
6.1動態神經網路分類160
6.2典型動態神經網路的結構161
6.3動態神經網路的Matlab實現164
6.4帶外部輸入的非線性自動回歸網路168
6.4.1narxnet的創建168
6.4.2閉環與開環169
6.4.3一步預測171
6.4.4多步預測177
6.5非線性自動回歸網路188
6.5.1narnet的語法格式188
6.5.2一步預測188
6.5.3多步預測190
6.6動態神經網路性能評價197
6.7幾種動態神經網路的比較200
學習提示200
習題201

參考文獻202