首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于增长—修剪型神经网络的山洪预警系统研究

摘要第4-5页
Abstract第5页
第一章 绪论第9-12页
    1.1 研究背景和意义第9页
    1.2 国内外研究现状第9-10页
        1.2.1 山洪预警系统的发展概况第9-10页
        1.2.2 传输系统的发展概况第10页
    1.3 研究的内容第10-11页
    1.4 论文结构安排第11-12页
第二章 山洪预警系统总体结构设计第12-18页
    2.1 无线传感网的概述第12-14页
        2.1.1 无线传感网的体系结构第12页
        2.1.2 无线传感网的特点第12-13页
        2.1.3 网络节点的构成第13-14页
    2.2 山洪预警系统下的无线传感网第14-18页
        2.2.1 山洪预警系统整体结构第14-15页
        2.2.2 通信协议的设计第15-16页
        2.2.3 无线传感网路由协议设计第16-17页
        2.2.4 数据的汇聚第17-18页
第三章 山洪预警系统数据采集单元的设计第18-34页
    3.1 无线通信方式的选择第18-19页
    3.2 处理器模块的设计第19页
    3.3 无线通信模块设计第19-21页
    3.4 网络节点低功耗设计第21-22页
        3.4.1 通信管理的节能机制第21页
        3.4.2 传感器节点低功耗设计第21-22页
        3.4.3 实验调试第22页
    3.5 传感器节点软件设计第22-26页
        3.5.1 主程序设计第23页
        3.5.2 无线通信模块程序设计第23-26页
    3.6 网关节点硬件设计第26-28页
    3.7 网关节点软件设计第28-30页
    3.8 网关节点程序远程更新实现第30-31页
    3.9 数据采集单元第31-33页
        3.9.1 温度采集模块第31-32页
        3.9.2 雨量采集模块第32页
        3.9.3 流量采集模块第32-33页
    3.10 本章小结第33-34页
第四章 基于神经网络山洪预警系统方法研究第34-44页
    4.1 贝叶斯水文预报第34-35页
        4.1.1 贝叶斯公式第34页
        4.1.2 贝叶斯水文预报研究第34-35页
        4.1.3 先验分布与似然函数的确定方法第35页
        4.1.4 贝叶斯水文预报存在的问题第35页
    4.2 BP 神经网络第35-40页
        4.2.1 BP 神经网络的结构第35-36页
        4.2.2 BP 网络算法的研究第36-37页
        4.2.3 BP 神经网络在预测模型中存在的局限性第37-38页
        4.2.4 改进 BP 神经网络的方法研究第38-40页
    4.3 神经元增长和修剪型贝叶斯水文预报模型第40-42页
        4.3.1 增长-修剪型神经网络算法的研究第40页
        4.3.2 流量先验分布第40-41页
        4.3.3 流量似然函数第41页
        4.3.4 流量后验分布的确定第41-42页
    4.4 实例分析第42-43页
    4.5 本章小结第43-44页
第五章 山洪预警系统远程监控的实现第44-50页
    5.1 监控系统的构成第44-45页
    5.2 通信协议设计第45-48页
        5.2.1 注册网关设备第45-46页
        5.2.2 时间同步第46页
        5.2.3 网关设备状态第46-47页
        5.2.4 控制指令第47页
        5.2.5 数据校验第47-48页
    5.3 客户端的构成第48-49页
    5.4 总结第49-50页
第六章 总结和展望第50-51页
    6.1 本论文已完成的工作第50页
    6.2 课题展望第50-51页
参考文献第51-54页
致谢第54-55页
附录 1 攻读学位期间取得的学术成果第55-56页
详细摘要第56-62页

论文共62页,点击 下载论文
上一篇:云环境下基于混合算法的工作流调度研究
下一篇:烧结环冷台车车轮运行状态自动监测系统