基于人工神经网络的河南省冬小麦气候产量研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-20页 |
| 1.2.1 气候变化研究进展 | 第12-14页 |
| 1.2.2 气候变化对作物产量影响的研究进展 | 第14-16页 |
| 1.2.3 主要研究方法及评价 | 第16-17页 |
| 1.2.4 气候变化对农作物其它方面的影响研究 | 第17-20页 |
| 1.3 本章小结 | 第20-21页 |
| 第2章 研究区概况、资料及方法 | 第21-25页 |
| 2.1 研究区概况 | 第21-22页 |
| 2.1.1 行政区划 | 第21页 |
| 2.1.2 自然条件 | 第21-22页 |
| 2.2 数据来源及处理 | 第22页 |
| 2.3 研究方法及思路 | 第22-23页 |
| 2.4 主要研究内容及技术路线 | 第23-25页 |
| 2.4.1 研究内容 | 第23-24页 |
| 2.4.2 技术路线 | 第24-25页 |
| 第3章 河南省冬小麦生产的气候变化背景分析 | 第25-39页 |
| 3.1 河南省冬小麦生产发展概况 | 第25-26页 |
| 3.2 主要气象要素的时空变化 | 第26-38页 |
| 3.2.1 年平均气温时空变化特征 | 第26-28页 |
| 3.2.2 年降水量时空变化特征 | 第28-31页 |
| 3.2.3 年日照时数时空变化特征 | 第31-33页 |
| 3.2.4 日最低气温时空变化特征 | 第33-35页 |
| 3.2.5 日最高气温时空变化特征 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 气候产量的估算 | 第39-53页 |
| 4.1 气候产量的涵义及估算原理 | 第39页 |
| 4.2 趋势产量的模拟分离 | 第39-45页 |
| 4.2.1 三年滑动平均 | 第39-40页 |
| 4.2.2 五年滑动平均 | 第40-41页 |
| 4.2.3 二次指数平滑法 | 第41-42页 |
| 4.2.4 Hodrick-Prescott滤波 | 第42-44页 |
| 4.2.5 二次曲线拟合 | 第44-45页 |
| 4.2.6 三次曲线拟合 | 第45页 |
| 4.3 气候产量的验证与确定 | 第45-51页 |
| 4.3.1 气候临近区选择 | 第46-47页 |
| 4.3.2 临近区气候产量比较 | 第47-48页 |
| 4.3.3 与气象要素的关系 | 第48-49页 |
| 4.3.4 历史灾害年比较 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 人工神经网络模型构建与产量模拟 | 第53-69页 |
| 5.1 气象因子的筛选 | 第53-55页 |
| 5.1.1 相关分析概述 | 第53-54页 |
| 5.1.2 相关分析结果 | 第54-55页 |
| 5.2 气候因子多重共线性诊断 | 第55-57页 |
| 5.2.1 多重共线性概述 | 第55-56页 |
| 5.2.2 多重共线性检验方法 | 第56页 |
| 5.2.3 多重共线性诊断结果 | 第56-57页 |
| 5.3 人工神经网络模型的构建 | 第57-61页 |
| 5.3.1 人工神经网络概述 | 第57-58页 |
| 5.3.2 人工神经网络模型构建 | 第58-61页 |
| 5.4 气候产量模型模拟验证 | 第61-62页 |
| 5.5 气候产量时空变化及趋势分析 | 第62-67页 |
| 5.5.1 气候产量时间变化及未来趋势分析 | 第62-63页 |
| 5.5.2 气候产量空间变化及未来趋势分析 | 第63-67页 |
| 5.6 本章小结 | 第67-69页 |
| 第6章 结论与讨论 | 第69-73页 |
| 6.1 主要结论 | 第69-70页 |
| 6.2 研究特色 | 第70页 |
| 6.3 研究不足 | 第70-73页 |
| 参考文献 | 第73-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间科研成果 | 第85页 |
