基于相空间重构的神经网络短期气候预测方法研究--以月降水量月平均温度为例
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·国外短期气候预测研究现状 | 第9页 |
| ·国内短期气候预测现状 | 第9-10页 |
| ·短期气候预测的一般方法 | 第10-11页 |
| ·文章主要研究内容及结构安排 | 第11-12页 |
| 第二章 人工神经网络 | 第12-27页 |
| ·人工神经网络的基本原理 | 第12-17页 |
| ·人工神经网络的概况和特点 | 第12-13页 |
| ·人工神经网络的结构模型 | 第13-14页 |
| ·神经网络的传递函数 | 第14-16页 |
| ·神经网络预测 | 第16-17页 |
| ·BP神经网络 | 第17-19页 |
| ·BP神经网络算法结构 | 第17-18页 |
| ·BP算法存在的缺点 | 第18-19页 |
| ·极限学习机(ELM) | 第19-24页 |
| ·ELM学习方法 | 第19-21页 |
| ·自适应极限学习机(AD-ELM) | 第21-24页 |
| ·实例应用 | 第24-26页 |
| ·研究区域概况 | 第24页 |
| ·网络模型的建立与训练 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 相空间重构 | 第27-41页 |
| ·混沌理论 | 第27页 |
| ·混沌时间序列 | 第27-29页 |
| ·混沌时间序列介绍 | 第27-28页 |
| ·时间序列的混沌性识别 | 第28-29页 |
| ·相空间重构理论 | 第29-30页 |
| ·相空间重构参数选取 | 第30-36页 |
| ·嵌入维数的确定 | 第31-32页 |
| ·G-P法 | 第31-32页 |
| ·虚假最近邻点法 | 第32页 |
| ·时间延迟τ的确定 | 第32-34页 |
| ·自相关函数法 | 第33页 |
| ·互信息法 | 第33-34页 |
| ·Lyapunov指数 | 第34-36页 |
| ·相空间重构预测方法 | 第36-37页 |
| ·局域法 | 第36页 |
| ·全局法 | 第36-37页 |
| ·预测效果评价 | 第37页 |
| ·数据分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 相空间重构与神经网络结合的预测方法 | 第41-54页 |
| ·对神经网络和相空间重构预测方法进行评价 | 第41页 |
| ·相空间重构和神经网络算法的结合 | 第41页 |
| ·相空间重构神经网络算法的具体实现步骤 | 第41-44页 |
| ·相空间重构神经网络对月平均温度预测应用 | 第44-53页 |
| ·南京市月平均温度预测研究 | 第44-49页 |
| ·南京市浦口区月平均温度预测研究 | 第49-51页 |
| ·苏州市月平均温度预测研究 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于EMD的相空间重构预测研究 | 第54-67页 |
| ·经验模态分解(EMD) | 第54-57页 |
| ·经验模态分解 | 第54-56页 |
| ·基于EMD的相空间重构神经网络预测方法 | 第56-57页 |
| ·月降水量预测研究 | 第57-66页 |
| ·杭州市月降水量预测研究 | 第57-59页 |
| ·南京市月降水量预测研究 | 第59-61页 |
| ·浦口月降水量预测 | 第61-64页 |
| ·苏州市月降水量预测 | 第64-66页 |
| ·文章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| ·论文研究内容总结 | 第67页 |
| ·后续研究工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72-73页 |
| 致谢 | 第73页 |
