随着大数据和和电子技术的发展，人工智能、深度学习成为时下关注的技术热点和解决科研、工程领域建模和数据应用的重要手段。本书结合环境科学与工程领域实际工作中使用神经网络建模求解环境问题的需要，从实用角度出发，对人工神经网络入门、统计学相关原理、数据预处理方法、神经网络基本架构、原理及应用展开介绍，基于Matlab和SPSS软件，详尽讲述感知器、线性网络、径向基网络、竞争型网络、BP网络、反馈型网络等内容。很后详细讲解了环境科学与工程领域中的6个实际大型案例与应用。
本书可作为在校环境相关专业研究生学习用书，也可作为广大科研人员、学者、工程技术人员的参考用书。

1 神经网络概述
1.1 人工神经网络概念
1.2 神经网络的特点
1.3 人工神经网络开发的技术路线
1.4 人工神经网络的发展史
1.5 神经网络的展望
1.5.1 GoogleAlphaGo开启的全新视觉
1.5.2 人工神经网络的前景
1.5.3 人工神经网络在环境预测中的应用前景
1.6 神经元
1.6.1 生物神经元
1.6.2 人工神经元模型
1.6.2.1 结构
1.6.2.2 激活函数
1.7 人工神经网络的类型及特点
1.7.1 以网络结构和学习算法分类
1.7.2 以是否有延迟、反馈及时间直接相关进行分类
2 环境统计学基础理论
2.1 资料的整理
2.2 数据资料特征数的计算
2.2.1 平均数
2.2.2 算数平均数的重要性质
2.2.3 变异数
2.2.3.1 方差
2.2.3.2 标准偏差
2.2.3.3 相对标准偏差
2.3 概率与概率分布
2.3.1 概率
2.3.2 概率分布
2.3.3 大数定理
2.4 种常见的理论分布
2.4.1 二项式分布
2.4.2 正态分布
2.4 _3二项分布与正态分布的关系
2.5 三大抽样分布
2.5.1 X2分布
2.5.2 F分布
2.5.2.1 方差的分布
2.5.2 .F分布的推导
2.5.3 t分布
2.5.3.1 标准差的分布
2.5.3.2 t分布的推导
2.6 三大抽样分布在假设检验中的应用
2.6.1 X2检验
2.6.2 F检验在方差分析中的应用
2.6.3 t检验
3 Matlab相关基础与编程技术
3.1 本书约定
3.2 Matlab简介
3.3 Matlab概览
3.3.1 软件安装所需软硬件条件及安装方法
3.3.2 基本界面
3.3.3 软件设置
3.3.4 Matlab可操作的文件类型
3.4 变量
3.4.1 变量的类型
3.4.2 变量的命名规则
3.5 常用命令
3.6 帮助及学习资源
3.6.1 联机帮助
3.6.2 帮助命令
3.6.3 lookfor命令
3.6.4 学习资源
3.7 数据类型
3.7.1 数值型
3.7.2 字符型
3.7.3 日期和时间
3.8 数据精度
3.9 数组与矩阵
3.9.1 矩阵／数组的建立
……
4 人工神经网络的Matlab实现
5 数据预处理技术
6 静态网络
7 动态网络
8 环境系统的复杂性
9 大型案例
参考文献