| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 误差订正方法介绍 | 第10-13页 |
| 1.1.1 预报误差的来源 | 第10页 |
| 1.1.2 初始预报误差订正 | 第10-11页 |
| 1.1.3 模式误差订正 | 第11-13页 |
| 1.1.3.1 模式误差订正分类 | 第11页 |
| 1.1.3.2 模式误差订正方法 | 第11-13页 |
| 1.2 本文工作和内容安排 | 第13-15页 |
| 1.2.1 本文工作 | 第13页 |
| 1.2.2 创新点 | 第13页 |
| 1.2.3 内容安排 | 第13-15页 |
| 第二章 方法介绍 | 第15-21页 |
| 2.1 EOF介绍 | 第15-16页 |
| 2.2 EMD介绍 | 第16-18页 |
| 2.2.1 本征模态函数 | 第17-18页 |
| 2.3 BP人工神经网络介绍 | 第18-21页 |
| 2.3.1 误差反传算法的简单介绍 | 第19-21页 |
| 第三章 预报误差的性质和特点分析 | 第21-35页 |
| 3.1 资料说明 | 第21页 |
| 3.2 预报误差的基本统计特征 | 第21-25页 |
| 3.2.1 平均预报误差的空间分布特征 | 第21-22页 |
| 3.2.2 预报误差的标准差分布 | 第22-23页 |
| 3.2.3 预报误差数据的分布检验 | 第23-25页 |
| 3.3 预报误差的经验正交分解(EOF) | 第25-27页 |
| 3.4 预报误差经验模态分解(EMD) | 第27-35页 |
| 3.4.1 方法步骤 | 第27-28页 |
| 3.4.2 结果及分析 | 第28-33页 |
| 3.4.3 EMD分解小结 | 第33-35页 |
| 第四章 利用BP神经网络订正非系统性预报误差 | 第35-47页 |
| 4.1 资料说明及资料预处理 | 第35-36页 |
| 4.2 利用BP神经网络建立预报误差时间序列订正模型的方法 | 第36-37页 |
| 4.3 利用BP神经网络建立预报误差时间序列订正模型的步骤 | 第37-40页 |
| 4.3.1 BP神经网络的输入输出的确定 | 第38-39页 |
| 4.3.2 BP神经网络建立和初始化 | 第39页 |
| 4.3.3 BP神经网络的训练 | 第39-40页 |
| 4.4 预报误差订正效果检验 | 第40-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 利用BP神经网络建立状态变量和非系统性预报误差之间的映射关系 | 第47-55页 |
| 5.1 资料使用及建立BP神经网络的步骤 | 第47-48页 |
| 5.2 BP神经网络的建立和训练 | 第48-50页 |
| 5.2.1 BP神经网络输入输出确定 | 第48-49页 |
| 5.2.2 BP神经网络的建立和初始化 | 第49页 |
| 5.2.3 BP神经网络的训练 | 第49-50页 |
| 5.3 对BP神经网络进行训练并检验预测效果 | 第50-54页 |
| 5.4 小结 | 第54-55页 |
| 第六章 结论与讨论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
