信息熵理论在水系统中的研究与应用

　　序
　　前言
　　第1章  基于最大熵原理和工程模糊集理论的模糊优化耦合模型
　　1.1  引言
　　1.2  基本概念与理论方法
　　1.3  水环境质量评价的模糊优化耦合模型
　　1.4  应用实例
　　1.5  结论
　　第2章  基于Shannon熵和Tsallis熵的数据随机观测误差不确定性及其影响
　　2.1  引言
　　2.2  基于Shannon熵、最大熵原理（POME）和Tsallis熵的实测数据的概率分布
　　2.3  两种观测误差下随机观测误差（SCIE）的影响
　　2.4  结论
　　本章附录截尾正态分布
　　第3章  基于多尺度熵理论的大型水库对泥沙和径流影响
　　3.1  引言
　　3.2  研究区域概况
　　3.3  资料与方法
　　3.4  结果分析与讨论
　　3.5  结论
　　第4章  基于样本熵理论的水文序列小波消噪与内部复杂性变化特征分析
　　4.1  基于样本熵理论的自适应小波消噪分析方法
　　4.2  基于样本熵理论的径流序列复杂性分析
　　第5章  基于耦合熵谱分析的水文时间序列周期识别方法与主周期变化分析
　　5.1  水文序列周期识别方法——Ⅰ（MSSA）
　　5.2  水文序列周期识别方法——Ⅱ（EEMD-MESA）
　　5.3  水文序列主周期变化原因分析
　　5.4  小结
　　第6章  基于信息熵理论的水文序列消噪与复杂性表征
　　6.1  水文序列分析中基于信息熵理论的消噪方法
　　6.2  水文序列复杂特性定量描述
　　第7章  基于互熵分析的地下水流模型输出的概率分布特征分析
　　7.1  频率分析
　　7.2  敏感性分析
　　7.3  算例研究
　　7.4  结论
　　第8章  基于信息熵方法的地下水流数值模拟不确定性的定量评价
　　8.1  地下水数值模拟不确定性定量评价概述
　　8.2  基于方差方法的不确定性评价
　　8.3  基于信息熵方法的不确定性评价
　　8.4  算例研究
　　8.5  结果的对比与分析
　　8.6  结论
　　第9章  基于最大熵原理的大河月径流序列随机模拟
　　9.1 引言
　　9.2  最大熵模拟方法
　　9.3  实例应用
　　9.4  结论
　　第10章  基于云模型的水体富营养化程度评价方法
　　10.1  引言
　　10.2  云模型简介
　　10.3  基于云模型的水体富营养化程度评价方法
　　10.4  实例分析与比照
　　10.5  结论
　　参考文献

　　《信息熵理论在水系统中的研究与应用》论述了信息熵（Shannon熵、Tsallis熵、多尺度熵、样本熵、互熵等）及耦合理论方法（工程模糊集、小波分析、云模型等）在水系统中的不确定性研究与应用，内容包括水质评价模糊优化耦合建模，数据随机观测误差不确定性及影响，大型水库对泥沙和径流的影响，水文序列周期识别、消噪、复杂性分析与随机模拟，地下水流数值模拟不确定性定量评价等。
　　《信息熵理论在水系统中的研究与应用》可供水文、水资源、水环境、水文地质以及水利、地理、环境、生态、地质等领域科研人员、工程技术人员与高校师生使用和参考。