《环境系统模拟与仿真》理论与工程实践相结合，具有理念创新、实用性强等特色。本书以环境系统及污染控制数学描述的基本理论和技术方法为主线，将人工智能、数据科学与大数据技术、计算机科学的理论和技术方法应用到环境领域，为解决环境建模问题提供了新的途径，旨在形成一幅用环境数学模型解决环境问题的基本技术路线图，为学生今后在这一领域进一步深入学习、研究、应用实践等打下基础。全书内容涵盖数据预处理技术、环境系统数值模型与仿真、神经网络环境数学模型、静态神经网络模型、动态神经网络模型等。本书通过几个不同领域的大型案例数值模型及人工神经网络模型的介绍，建立模拟仿真的技术路线和方法。
《环境系统模拟与仿真》适合高等院校环境科学与工程及相关专业师生使用，也可作为广大科研人员、学者、工程技术人员的参考用书。

第1章 绪论
1.1 系统论
1.1.1 概述
1.1.2 因果性
1.1.3 基本思想方法
1.2 控制论
1.2.1 概述
1.2.2 核心任务
1.2.3 黑白箱理论
1.2.4 基本方法
1.3 环境系统数学模型
1.3.1 概述
1.3.2 环境系统数学模型的分类
学习提示
习题
第2章 数据预处理技术
2.1 Matlab简介
2.2 统一数据文件格式、数据类型、单位、精度
2.3 无效数据识别及处理
2.3.1 剔除
2.3.2 插值填补
2.4 小波降噪
2.4.1 环境系统观测的随机误差
2.4.2 数据降噪技术概况
2.4.3 小波降噪的Matlab实现
2.5 归一化
2.5.1 Matlab的归一化函数
2.5.2 归一化应用实例
2.6 主成分分析
2.6.1 主成分及主成分分析的概念
2.6.2 主成分分析的基本原理和技术步骤
2.6.3 主成分分析的SPSS实现
2.6.4 主成分分析的Matlab实现
学习提示
习题
第3章 环境系统数值模型与仿真
3.1 概述
3.1.1 环境数学模型在环境管理中的应用
3.1.2 数学模型的功能
3.2 环境问题的数学模型
3.2.1 数学模型的特征
3.2.2 建立数学模型一般遵循的规律
3.2.3 系统的概念和基本特征
3.2.4 环境系统分析和环境数学模型
3.3 河流水质数学模型S-P模型
3.4 建立环境数学模型的机理分析法
3.4.1 环境数学模型遵循的基本约束
3.4.2 环境系统中的基本单位过程
3.5 基本环境流体动力学模型
3.5.1 零维模型
3.5.2 一维模型
3.5.3 二维（三维）基本环境流体动力学模型
3.5.4 一维模型的解析解
3.5.5 非稳定排放源污染物迁移特征
3.6 线性回归分析
3.6.1 一元线性回归
3.6.2 相关系数
3.6.3 多元线性回归分析
学习提示
习题
第4章 神经网络环境数学模型
4.1 人工神经网络概念
4.2 神经网络的特点
4.3 人工神经网络开发的技术路线
4.4 人工神经网络的发展史
4.5 神经网络的研究进展及环境应用
4.5.1 人工神经网络的研究进展
4.5.2 人工神经网络在环境建模中的应用
4.6 神经元
4.6.1 生物神经元
4.6.2 人工神经元模型
4.7 人工神经网络的类型及特点
4.7.1 以网络结构和学习算法分类
4.7.2 以是否延迟反馈及时间直接相关进行分类
4.8 人工神经网络的Matlab实现
4.8.1 神经网络工具箱
4.8.2 神经网络基础函数
4.8.3 神经网络求解环境问题的基本步骤
学习提示
习题
第5章 静态神经网络模型
5.1 感知器网络
5.2 线性神经网络
5.2.1 线性网络的基本语法
5.2.2 线性网络的实例
5.3 径向基函数神经网络
5.3.1 传递函数和网络结构
5.3.2 径向基网络
5.3.3 精确径向基网络
5.3.4 newpnn概率神经网络
5.3.5 newgrnn泛化回归神经网络
5.4 自组织网络
5.4.1 概述
5.4.2 通用型竞争网络
5.5 BP神经网络
5.5.1 传递函数
5.5.2 训练函数与学习函数
5.5.3 BP神经网络类型及语法格式
5.5.4 BP神经网络结构与内部计算传递的基本规则
5.5.5 BP神经网络的底层工作原理
5.5.6 BP神经网络隐层设计的一般性原则
5.5.7 提高BP泛化能力
5.5.8 BP神经网络应用实例
5.6 静态网络可靠性评价
5.7 网络训练前数据处理技术路线和样本数据规划策略
学习提示
习题
第6章 动态神经网络模型
6.1 动态神经网络分类
6.2 典型动态神经网络的结构
6.3 动态神经网络的Matlab实现
6.4 带外部输入的非线性自动回归网络
6.4.1 narxnet的创建
6.4.2 闭环与开环
6.4.3 一步预测
6.4.4 多步预测
6.5 非线性自动回归网络
6.5.1 narnet的语法格式
6.5.2 一步预测
6.5.3 多步预测
6.6 动态神经网络性能评价
6.7 几种动态神经网络的比较
学习提示
习题
参考文献