| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9页 |
| 1.2 木材预测研究现状及发展趋势 | 第9-11页 |
| 1.2.1 气候因子对木材特性影响研究现状 | 第9-10页 |
| 1.2.2 气候因子对木材特性影响研究发展趋势 | 第10-11页 |
| 1.3 人工神经网络算法研究现状及发展趋势 | 第11-13页 |
| 1.3.1 人工神经网络算法研究现状 | 第11-12页 |
| 1.3.2 人工神经网络算法发展趋势 | 第12-13页 |
| 1.4 研究的目的意义及内容 | 第13-14页 |
| 1.4.1 研究目的 | 第13页 |
| 1.4.2 研究意义 | 第13页 |
| 1.4.3 研究内容 | 第13-14页 |
| 1.5 技术路线 | 第14-15页 |
| 1.6 论文章节安排 | 第15-16页 |
| 2 木材特性及气候因子的选取 | 第16-26页 |
| 2.1 试验材料和方法 | 第16-17页 |
| 2.1.1 试验材料 | 第16页 |
| 2.1.2 试验测量方法 | 第16-17页 |
| 2.2 木材特性受气候因子影响程度的分析及选取 | 第17-23页 |
| 2.2.1 物理特性受气候因子的影响 | 第17-19页 |
| 2.2.2 解剖特征受气候因子的影响 | 第19-23页 |
| 2.2.3 木材特性选取 | 第23页 |
| 2.3 气候因子的选取 | 第23-25页 |
| 2.3.1 影响生长速率气候因子的选取 | 第23-24页 |
| 2.3.2 影响晚材管胞长度气候因子的选取 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于RBF神经网络的气候因子对木材特性影响预测模型 | 第26-33页 |
| 3.1 人工神经网络 | 第26-27页 |
| 3.1.1 神经网络组成 | 第26页 |
| 3.1.2 神经网络的特性 | 第26页 |
| 3.1.3 神经网络的泛化能力 | 第26-27页 |
| 3.2 RBF神经网络 | 第27-28页 |
| 3.3 基于RBF神经网络建立预测模型 | 第28-30页 |
| 3.3.1 实验材料 | 第28页 |
| 3.3.2 模型建立 | 第28-30页 |
| 3.4 仿真结果分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于自适应RBF神经网络的气候因子对木材特性影响预测模型 | 第33-38页 |
| 4.1 RBF神经网络改进的基本思想 | 第33页 |
| 4.2 自适应RBF神经网络 | 第33-34页 |
| 4.3 基于自适应RBF神经网络建立预测模型 | 第34-35页 |
| 4.4 仿真结果分析 | 第35-36页 |
| 4.5 本章小结 | 第36-38页 |
| 5 基于自适应小波RBF神经网络的气候因子对木材特性影响预测模型 | 第38-43页 |
| 5.1 自适应小波RBF神经网络 | 第38-39页 |
| 5.2 基于自适应小波RBF神经网络建立预测模型 | 第39-41页 |
| 5.3 仿真结果与分析 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 攻读学位期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51-52页 |
