第1章緒論1
1.1系統(tǒng)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(huán)境系統(tǒng)數(shù)學模型4
1.3.1概述4
1.3.2環(huán)境系統(tǒng)數(shù)學模型的分類4
學習提示5
習題6

第2章數(shù)據(jù)預處理技術7
2.1Matlab簡介7
2.2統(tǒng)一數(shù)據(jù)文件格式、數(shù)據(jù)類型、單位、精度8
2.3無效數(shù)據(jù)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(huán)境系統(tǒng)觀測的隨機誤差13
2.4.2數(shù)據(jù)降噪技術概況14
2.4.3小波降噪的Matlab實現(xiàn)14
2.5歸一化22
2.5.1Matlab的歸一化函數(shù)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(xiàn)29
2.6.4主成分分析的Matlab實現(xiàn)33
學習提示35
習題36

第3章環(huán)境系統(tǒng)數(shù)值模型與仿真37
3.1概述37
3.1.1環(huán)境數(shù)學模型在環(huán)境管理中的應用38
3.1.2數(shù)學模型的功能38
3.2環(huán)境問題的數(shù)學模型39
3.2.1數(shù)學模型的特征39
3.2.2建立數(shù)學模型一般遵循的規(guī)律39
3.2.3系統(tǒng)的概念和基本特征40
3.2.4環(huán)境系統(tǒng)分析和環(huán)境數(shù)學模型41
3.3河流水質(zhì)數(shù)學模型S-P模型42
3.4建立環(huán)境數(shù)學模型的機理分析法44
3.4.1環(huán)境數(shù)學模型遵循的基本約束44
3.4.2環(huán)境系統(tǒng)中的基本單位過程45
3.5基本環(huán)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(huán)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(wěn)定排放源污染物遷移特征55
3.6線性回歸分析57
3.6.1一元線性回歸57
3.6.2相關系數(shù)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(jīng)網(wǎng)絡環(huán)境數(shù)學模型65
4.1人工神經(jīng)網(wǎng)絡概念65
4.2神經(jīng)網(wǎng)絡的特點67
4.3人工神經(jīng)網(wǎng)絡開發(fā)的技術路線68
4.4人工神經(jīng)網(wǎng)絡的發(fā)展史68
4.5神經(jīng)網(wǎng)絡的研究進展及環(huán)境應用69
4.5.1人工神經(jīng)網(wǎng)絡的研究進展69
4.5.2人工神經(jīng)網(wǎng)絡在環(huán)境建模中的應用71
4.6神經(jīng)元72
4.6.1生物神經(jīng)元72
4.6.2人工神經(jīng)元模型73
4.7人工神經(jīng)網(wǎng)絡的類型及特點77
4.7.1以網(wǎng)絡結構和學習算法分類77
4.7.2以是否延遲反饋及時間直接相關進行分類79
4.8人工神經(jīng)網(wǎng)絡的Matlab實現(xiàn)79
4.8.1神經(jīng)網(wǎng)絡工具箱80
4.8.2神經(jīng)網(wǎng)絡基礎函數(shù)80
4.8.3神經(jīng)網(wǎng)絡求解環(huán)境問題的基本步驟88
學習提示88
習題89

第5章靜態(tài)神經(jīng)網(wǎng)絡模型90
5.1感知器網(wǎng)絡90
5.2線性神經(jīng)網(wǎng)絡98
5.2.1線性網(wǎng)絡的基本語法98
5.2.2線性網(wǎng)絡的實例99
5.3徑向基函數(shù)神經(jīng)網(wǎng)絡107
5.3.1傳遞函數(shù)和網(wǎng)絡結構108
5.3.2徑向基網(wǎng)絡108
5.3.3精確徑向基網(wǎng)絡109
5.3.4newpnn概率神經(jīng)網(wǎng)絡116
5.3.5newgrnn泛化回歸神經(jīng)網(wǎng)絡117
5.4自組織網(wǎng)絡120
5.4.1概述120
5.4.2通用型競爭網(wǎng)絡120
5.5BP神經(jīng)網(wǎng)絡123
5.5.1傳遞函數(shù)124
5.5.2訓練函數(shù)與學習函數(shù)125
5.5.3BP神經(jīng)網(wǎng)絡類型及語法格式125
5.5.4BP神經(jīng)網(wǎng)絡結構與內(nèi)部計算傳遞的基本規(guī)則129
5.5.5BP神經(jīng)網(wǎng)絡的底層工作原理131
5.5.6BP神經(jīng)網(wǎng)絡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(jīng)網(wǎng)絡應用實例146
5.6靜態(tài)網(wǎng)絡可靠性評價150
5.7網(wǎng)絡訓練前數(shù)據(jù)處理技術路線和樣本數(shù)據(jù)規(guī)劃策略156
學習提示158
習題158

第6章動態(tài)神經(jīng)網(wǎng)絡模型160
6.1動態(tài)神經(jīng)網(wǎng)絡分類160
6.2典型動態(tài)神經(jīng)網(wǎng)絡的結構161
6.3動態(tài)神經(jīng)網(wǎng)絡的Matlab實現(xiàn)164
6.4帶外部輸入的非線性自動回歸網(wǎng)絡168
6.4.1narxnet的創(chuàng)建168
6.4.2閉環(huán)與開環(huán)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(wǎng)絡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(tài)神經(jīng)網(wǎng)絡性能評價197
6.7幾種動態(tài)神經(jīng)網(wǎng)絡的比較200
學習提示200
習題201

參考文獻202