改进L-M型BP模型的降雨径流预报
| 独创性说明 | 第1-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·问题的提出和研究意义 | 第7-8页 |
| ·水文模型的发展状况 | 第8-10页 |
| ·降雨径流预报的发展 | 第8-9页 |
| ·预报模型的发展 | 第9-10页 |
| ·选题背景 | 第10-12页 |
| ·论文的组织结构和研究内容 | 第12-13页 |
| ·论文组织结构 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·本章小结 | 第13-14页 |
| 2 人工神经网络基本理论 | 第14-22页 |
| ·神经网络概论 | 第14-15页 |
| ·神经网络发展历程 | 第15-17页 |
| ·神经网络学习方法 | 第17-19页 |
| ·学习机理 | 第17页 |
| ·学习方式 | 第17-18页 |
| ·学习规则 | 第18-19页 |
| ·神经网络的分类和特点 | 第19-20页 |
| ·分类 | 第19页 |
| ·特点 | 第19-20页 |
| ·神经网络各种模型及其有缺点 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 BP神经网络模型 | 第22-30页 |
| ·BP算法概论 | 第22页 |
| ·标准 BP算法 | 第22-25页 |
| ·标准 BP算法存在的问题 | 第25-26页 |
| ·MATLAB神经网络工具箱简介 | 第26-27页 |
| ·基本功能 | 第27页 |
| ·使用方法 | 第27页 |
| ·改进的 L-M型 BP神经网络模型 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 4 降雨径流预报模型的改进 | 第30-36页 |
| ·平均降雨量的计算 | 第30-32页 |
| ·建模方式 | 第32页 |
| ·改进的降雨径流 BP网络模型 | 第32-33页 |
| ·MATLAB程序设计流程 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 5 模型应用实例 | 第36-67页 |
| ·研究区域概况 | 第36-38页 |
| ·流域概况 | 第36页 |
| ·计算区域 | 第36-37页 |
| ·气候与水文 | 第37-38页 |
| ·建模计算 | 第38-40页 |
| ·模型结构和参数的确定 | 第38-40页 |
| ·计算步骤 | 第40页 |
| ·两种方法结果比较 | 第40-44页 |
| ·比较参数的设定 | 第40-41页 |
| ·结果比较 | 第41-44页 |
| ·结合 L-M型 BP神经网络的水动力学计算模型 | 第44-66页 |
| ·河网系统流动的基本方程 | 第44-45页 |
| ·河网系统基本方程的离散 | 第45-46页 |
| ·局部流域的计算验证 | 第46-57页 |
| ·局部流域的洪水预报 | 第57-63页 |
| ·较大范围松花江流域的预报计算 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录A 第五章程序源代码 | 第72-86页 |
| 攻读硕士学位期间发表学术论文情况 | 第86-87页 |
| 致谢 | 第87-88页 |
| 大连理工大学学位论文版权使用授权书 | 第88页 |
