| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 论文的主要内容和章节安排 | 第11-12页 |
| 1.4 本章小节 | 第12-13页 |
| 第二章 遗传算法及神经网络的理论基础 | 第13-33页 |
| 2.1 遗传算法的理论基础 | 第13-18页 |
| 2.1.1 遗传算法介绍 | 第13页 |
| 2.1.2 遗传算法的实现步骤 | 第13-15页 |
| 2.1.3 遗传算法的基本操作 | 第15-18页 |
| 2.1.4 遗传算法的优点 | 第18页 |
| 2.2 神经网络的理论基础 | 第18-20页 |
| 2.2.1 神经网络的基本原理 | 第18-20页 |
| 2.2.2 大气科学中神经网络的应用 | 第20页 |
| 2.3 BP神经网络 | 第20-26页 |
| 2.3.1 BP神经网络结构 | 第20-21页 |
| 2.3.2 BP神经网络的学习规则 | 第21-24页 |
| 2.3.3 BP神经网络在应用中存在的问题 | 第24-26页 |
| 2.4 遗传-优化神经网络 | 第26-32页 |
| 2.4.1 遗传优化神经网络GA-BP的连接权 | 第27页 |
| 2.4.2 遗传优化神经网络GA-BP的网络结构 | 第27页 |
| 2.4.3 遗传优化神经网络GA-BP的学习规则 | 第27-28页 |
| 2.4.4 本文采用遗传优化神经网络的具体方法 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于遗传-优化神经网络算法的云团预测 | 第33-52页 |
| 3.1 卫星遥感图像云团预测 | 第33-35页 |
| 3.2 区域云团的预测模型 | 第35-47页 |
| 3.2.1 经验正交函数分解(EOF分解) | 第35页 |
| 3.2.2 预报模型因子筛选 | 第35-37页 |
| 3.2.3 云图的反演原理 | 第37-38页 |
| 3.2.4 BP神经网络的区域云团预测模型 | 第38-43页 |
| 3.2.5 遗传优化BP神经网络的区域云团预测模型 | 第43-47页 |
| 3.3 实验结果对比分析 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于遗传-优化神经网络算法的降水估算 | 第52-66页 |
| 4.1 卫星遥感降水估算 | 第52页 |
| 4.2 样本数据与样本数据处理 | 第52-55页 |
| 4.2.1 资料来源 | 第52页 |
| 4.2.2 预报模型的输入因子处理 | 第52-53页 |
| 4.2.3 预报模型的输出因子处理 | 第53-55页 |
| 4.2.4 样本数据选取 | 第55页 |
| 4.3 降水估算模型设计 | 第55-64页 |
| 4.3.1 BP神经网络的降水估算 | 第55-59页 |
| 4.3.2 遗传—优化神经网络降水估算 | 第59-64页 |
| 4.4 实验结果分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 降水监测系统设计与实现 | 第66-73页 |
| 5.1 系统功能 | 第66页 |
| 5.2 系统结构 | 第66页 |
| 5.3 卫星资料处理模块 | 第66-68页 |
| 5.3.1 数据显示 | 第67页 |
| 5.3.2 定标处理 | 第67页 |
| 5.3.3 坐标转换 | 第67-68页 |
| 5.4 云团预测模块 | 第68-70页 |
| 5.4.1 云团预测流程 | 第68页 |
| 5.4.2 主要程序代码 | 第68-70页 |
| 5.5 估算降水模块 | 第70-72页 |
| 5.5.1 降水估算流程 | 第70页 |
| 5.5.2 主要程序代码 | 第70-72页 |
| 5.6 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-74页 |
| 6.1 论文总结 | 第73页 |
| 6.2 作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 附录 | 第79-80页 |