夏季温室小气候的计算机模拟及预测研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 符号说明 | 第8-9页 |
| 第—章 绪论 | 第9-15页 |
| 1．1 温室小气候模型的研究目的和意义 | 第9-10页 |
| 1．2 国内外温室小气候模型的研究现状 | 第10-11页 |
| 1．3 智能控制理论在温室小气候模型中的应用 | 第11-13页 |
| 1．4 本文研究内容 | 第13-15页 |
| 第二章 基于人工神经网络和遗传算法的算法设计 | 第15-30页 |
| 2．1 引言 | 第15-16页 |
| 2．2 BP神经网络模型及其改进 | 第16-21页 |
| 2．2．1 BP神经网络的基本原理 | 第16-17页 |
| 2．2．2 BP神经网络的学习过程 | 第17-18页 |
| 2．2．3 BP神经网络模型的改进 | 第18-21页 |
| 2．3 遗传算法简介 | 第21-25页 |
| 2．3．1 遗传算法的基本原理 | 第21-22页 |
| 2．3．2 遗传算法的基本步骤 | 第22-24页 |
| 2．3．3 遗传算法的优点 | 第24-25页 |
| 2．4 遗传算法与IBP算法的有机结合 | 第25-30页 |
| 2．4．1 遗传算法与IBP算法有机结合的必要性 | 第25-27页 |
| 2．4．2 混合算法优化网络权值和阈值的基本步骤 | 第27-30页 |
| 第三章 夏季温室小气候模拟和预测模型的软件设计 | 第30-42页 |
| 3．1 软件开发工具简介 | 第30-31页 |
| 3．2 软件的总体设计 | 第31-32页 |
| 3．3 软件的功能模块 | 第32-42页 |
| 3．3．1 口令验证模块 | 第32页 |
| 3．3．2 初始化模块 | 第32-34页 |
| 3．3．3 网络训练模块 | 第34-38页 |
| 3．3．3．1 训练样本数据的输入 | 第34-36页 |
| 3．3．3．2 训练样本数据的归一化处理 | 第36-37页 |
| 3．3．3．3 网络训练和结果输出 | 第37-38页 |
| 3．3．4 网络检验模块 | 第38-40页 |
| 3．3．5 网络预测模块 | 第40页 |
| 3．3．6 帮助模块 | 第40-42页 |
| 第四章 夏季温室神经网络模型的建立和应用 | 第42-69页 |
| 4．1 引言 | 第42页 |
| 4．2 神经网络模型的建立 | 第42-51页 |
| 4．2．1 样本数据的采集实验 | 第42-46页 |
| 4．2．1．1 实验目的 | 第42页 |
| 4．2．1．2 采集项目的确定 | 第42-43页 |
| 4．2．1．3 实验的基本情况 | 第43-44页 |
| 4．2．1．4 实验仪器及其组装设计 | 第44-46页 |
| 4．2．1．5 实验过程和方法 | 第46页 |
| 4．2．2 样本数据的组织和分析 | 第46-48页 |
| 4．2．3 样本数据的预处理 | 第48-49页 |
| 4．2．4 神经网络结构参数的确定 | 第49-51页 |
| 4．3 神经网络模型的性能评价和结果分析 | 第51-57页 |
| 4．3．1 模型性能评价 | 第51-53页 |
| 4．3．2 模拟实验 | 第53-55页 |
| 4．3．3 预测实验 | 第55-57页 |
| 4．4 夏季温室小气候模型的典型应用 | 第57-69页 |
| 4．4．1 温室环境影响因子的单独作用分析 | 第57-66页 |
| 4．4．2 夏季高温天气下温室内温湿度的预测 | 第66-69页 |
| 第五章 结论 | 第69-72页 |
| 5．1 主要研究工作 | 第69页 |
| 5．2 主要研究结论 | 第69-70页 |
| 5．3 文献检索情况 | 第70页 |
| 5．4 对本课题今后研究的建议 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 附录 | 第75-88页 |
| 致谢 | 第88页 |
