| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的目的和意义 | 第8-9页 |
| ·课题的来源 | 第8页 |
| ·选题的意义 | 第8-9页 |
| ·研究和应用发展现状 | 第9-12页 |
| ·大气质量的评价及大气污染预测方法 | 第9-11页 |
| ·国内研究现状 | 第11页 |
| ·国外研究现状 | 第11-12页 |
| ·本文内容及主要工作 | 第12-14页 |
| 第二章 遗传算法 | 第14-21页 |
| ·遗传算法的基本思想 | 第14页 |
| ·GA的算法流程 | 第14-16页 |
| ·遗传算法的特点 | 第16页 |
| ·改进的混合加速遗传算法(IHAGA) | 第16-20页 |
| ·改进算法的优越性 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于IHAGA的大气质量综合污染损害指数评价模型 | 第21-29页 |
| ·概述 | 第21页 |
| ·基于IHAGA的大气质量综合污染评价模型 | 第21-25页 |
| ·大气污染损害分指数计算公式 | 第21-22页 |
| ·各级别大气污染损害率目标值的设定 | 第22-23页 |
| ·大气质量评价模型中的待优化目标函数 | 第23页 |
| ·混合加速遗传算法(IHAGA)优化参数 | 第23-24页 |
| ·污染危害指数的取值范围与评价级别之间的对应关系 | 第24-25页 |
| ·基于IHAGA的大气质量综合污染损害指数评价模型 | 第25页 |
| ·IHAGA运用于大气污染质量评价的实例 | 第25-28页 |
| ·实例分析1 | 第25-26页 |
| ·实例分析2 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 人工神经网络 | 第29-47页 |
| ·人工神经网络的发展历史 | 第29-30页 |
| ·人工神经网络的工作原理及研究方向 | 第30页 |
| ·人工神经网络模型 | 第30-36页 |
| ·生物神经元模型 | 第30-32页 |
| ·人工神经元模型以及学习算法 | 第32-34页 |
| ·激活转移函数 | 第34-36页 |
| ·神经网络的分类 | 第36-39页 |
| ·BP神经网络 | 第39-44页 |
| ·BP神经网络模型结构 | 第40-41页 |
| ·BP神经网络的学习算法 | 第41-42页 |
| ·BP神经网络算法的实现步骤 | 第42-44页 |
| ·BP神经网络在实际应用中存在的问题及不足 | 第44-46页 |
| ·实际应用中存在的问题 | 第44-45页 |
| ·缺点与不足 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 遗传算法与神经网络的结合 | 第47-62页 |
| ·遗传算法与神经网络的结合方式 | 第47-49页 |
| ·遗传算法对神经网络的结构优化 | 第47-48页 |
| ·遗传算法对神经网络连接权的优化 | 第48-49页 |
| ·遗传算法对神经网络的权值与网络结构的优化 | 第49页 |
| ·基于改进的遗传算法(IHAGA)的BP神经网络 | 第49-53页 |
| ·IHAGA与BP的结合算法 | 第49-53页 |
| ·遗传算法与神经网络的相结合技术的应用前景 | 第53页 |
| ·大气污染预测的实例应用及结果分析 | 第53-61页 |
| ·样本数据选取 | 第53-57页 |
| ·实验结果 | 第57-61页 |
| ·预测实验1 | 第57-59页 |
| ·预测实验2 | 第59-60页 |
| ·预测实验3 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |