环境系统模拟与仿真

第1章绪论1
1．1系统论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控制论3
1．2．1概述3
1．2．2核心任务3
1．2．3黑白箱理论3
1．2．4基本方法4
1．3环境系统数学模型4
1．3．1概述4
1．3．2环境系统数学模型的分类4
学习提示5
习题6

第2章数据预处理技术7
2．1Matlab简介7
2．2统一数据文件格式、数据类型、单位、精度8
2．3无效数据识别及处理8
2．3．1剔除9
2．3．2插值填补10
2．4小波降噪13
2．4．1环境系统观测的随机误差13
2．4．2数据降噪技术概况14
2．4．3小波降噪的Matlab实现14
2．5归一化22
2．5．1Matlab的归一化函数23
2．5．2归一化应用实例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术步骤27
2．6．3主成分分析的SPSS实现29
2．6．4主成分分析的Matlab实现33
学习提示35
习题36

第3章环境系统数值模型与仿真37
3．1概述37
3．1．1环境数学模型在环境管理中的应用38
3．1．2数学模型的功能38
3．2环境问题的数学模型39
3．2．1数学模型的特征39
3．2．2建立数学模型一般遵循的规律39
3．2．3系统的概念和基本特征40
3．2．4环境系统分析和环境数学模型41
3．3河流水质数学模型S-P模型42
3．4建立环境数学模型的机理分析法44
3．4．1环境数学模型遵循的基本约束44
3．4．2环境系统中的基本单位过程45
3．5基本环境流体动力学模型49
3．5．1零维模型49
3．5．2一维模型51
3．5．3二维（三维）基本环境流体动力学模型53
3．5．4一维模型的解析解54
3．5．5非稳定排放源污染物迁移特征55
3．6线性回归分析57
3．6．1一元线性回归57
3．6．2相关系数59
3．6．3多元线性回归分析61
学习提示63
习题63

第4章神经网络环境数学模型65
4．1人工神经网络概念65
4．2神经网络的特点67
4．3人工神经网络开发的技术路线68
4．4人工神经网络的发展史68
4．5神经网络的研究进展及环境应用69
4．5．1人工神经网络的研究进展69
4．5．2人工神经网络在环境建模中的应用71
4．6神经元72
4．6．1生物神经元72
4．6．2人工神经元模型73
4．7人工神经网络的类型及特点77
4．7．1以网络结构和学习算法分类77
4．7．2以是否延迟反馈及时间直接相关进行分类79
4．8人工神经网络的Matlab实现79
4．8．1神经网络工具箱80
4．8．2神经网络基础函数80
4．8．3神经网络求解环境问题的基本步骤88
学习提示88
习题89

第5章静态神经网络模型90
5．1感知器网络90
5．2线性神经网络98
5．2．1线性网络的基本语法98
5．2．2线性网络的实例99
5．3径向基函数神经网络107
5．3．1传递函数和网络结构108
5．3．2径向基网络108
5．3．3精确径向基网络109
5．3．4newpnn概率神经网络116
5．3．5newgrnn泛化回归神经网络117
5．4自组织网络120
5．4．1概述120
5．4．2通用型竞争网络120
5．5BP神经网络123
5．5．1传递函数124
5．5．2训练函数与学习函数125
5．5．3BP神经网络类型及语法格式125
5．5．4BP神经网络结构与内部计算传递的基本规则129
5．5．5BP神经网络的底层工作原理131
5．5．6BP神经网络隐层设计的一般性原则139
5．5．7提高BP泛化能力 139
5．5．8BP神经网络应用实例146
5．6静态网络可靠性评价150
5．7网络训练前数据处理技术路线和样本数据规划策略156
学习提示158
习题158

第6章动态神经网络模型160
6．1动态神经网络分类160
6．2典型动态神经网络的结构161
6．3动态神经网络的Matlab实现164
6．4带外部输入的非线性自动回归网络168
6．4．1narxnet的创建168
6．4．2闭环与开环169
6．4．3一步预测171
6．4．4多步预测177
6．5非线性自动回归网络188
6．5．1narnet的语法格式188
6．5．2一步预测188
6．5．3多步预测190
6．6动态神经网络性能评价197
6．7几种动态神经网络的比较200
学习提示200
习题201

参考文献202