| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·神经网络集成概述 | 第9-11页 |
| ·神经网络集成定义 | 第9-10页 |
| ·神经网络集成步骤 | 第10-11页 |
| ·神经网络及其集成方法在气象预报中应用研究现状 | 第11-14页 |
| ·本文的主要研究内容及其安排 | 第14-17页 |
| ·神经网络集成学习存在的问题 | 第14-15页 |
| ·本文主要研究内容 | 第15页 |
| ·本文的内容安排 | 第15-17页 |
| 第二章 基于粒子群算法和改进模糊均值聚类的神经网络集成方法研究 | 第17-28页 |
| ·理论分析与实现思路 | 第17-21页 |
| ·理论分析 | 第17-20页 |
| ·实现思路 | 第20-21页 |
| ·粒子群算法优化神经网络结构及其初始网络权值 | 第21-23页 |
| ·粒子群算法介绍 | 第21-23页 |
| ·基于PSO 优化神经网络结构及权值的具体步骤 | 第23页 |
| ·基于PSO-FCM集成算法 | 第23-25页 |
| ·神经网络训练样本集和验证集的确定 | 第25-28页 |
| ·模糊C-均值算法 | 第25-26页 |
| ·改进的模糊C-均值算法 | 第26-27页 |
| ·基于改进型FCM 确定训练样本的实现步骤 | 第27-28页 |
| 第三章 建模试验及结果分析 | 第28-41页 |
| ·试验数据处理 | 第28-29页 |
| ·预报对象 | 第28页 |
| ·预报因子及其处理 | 第28-29页 |
| ·基于PSO-FCM神经网络集成预报建模试验 | 第29-31页 |
| ·Bagging和Boosting算法的预报建模试验 | 第31-38页 |
| ·Bagging方法 | 第31-32页 |
| ·Boosting方法 | 第32-34页 |
| ·Bagging和Boosting的差异及参数确定 | 第34-35页 |
| ·Bagging和Boosting预报建模结果 | 第35-38页 |
| ·试验结果分析 | 第38-41页 |
| 第四章 总结与展望 | 第41-43页 |
| ·本文的总结 | 第41页 |
| ·今后工作的展望 | 第41-43页 |
| 参考文献 | 第43-49页 |
| 攻读硕士期间发表的学术论文目录 | 第49-50页 |
| 致谢 | 第50-51页 |
