土壤墒情预测模型对比研究
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 墒情预测研究现状 | 第11-13页 |
| 1.2.1 国内研究 | 第11-12页 |
| 1.2.2 国外研究 | 第12-13页 |
| 1.3 研究内容及技术路线 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-16页 |
| 第二章 研究区概况 | 第16-22页 |
| 2.1 基本情况 | 第16页 |
| 2.2 土壤质地 | 第16-17页 |
| 2.3 降水分布 | 第17-18页 |
| 2.4 土壤墒情分布 | 第18-20页 |
| 2.4.1 年际变化 | 第18-19页 |
| 2.4.2 年内变化 | 第19页 |
| 2.4.3 空间变化 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 土壤墒情数据处理及预测模型 | 第22-33页 |
| 3.1 墒情涵义 | 第22页 |
| 3.2 数据采集与处理 | 第22-23页 |
| 3.2.1 数据采集 | 第22页 |
| 3.2.2 数据预处理 | 第22-23页 |
| 3.3 影响因子选择与分析 | 第23-24页 |
| 3.4 土壤墒情预测模型 | 第24-32页 |
| 3.4.1 线性回归模型 | 第24页 |
| 3.4.2 BP神经网络模型 | 第24-25页 |
| 3.4.3 PCA-RBF神经网络模型 | 第25-26页 |
| 3.4.4 GEP模型 | 第26-30页 |
| 3.4.5 深度学习模型 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 模型的模拟检验与对比分析 | 第33-54页 |
| 4.1 模型率定与训练 | 第33-44页 |
| 4.1.1 线性回归模型 | 第33-34页 |
| 4.1.2 BP神经网络模型 | 第34-40页 |
| 4.1.3 PCA-RBF神经网络模型 | 第40-43页 |
| 4.1.4 GEP模型 | 第43-44页 |
| 4.1.5 深度学习模型 | 第44页 |
| 4.2 模型校验与对比 | 第44-52页 |
| 4.2.1 检验指标 | 第44-45页 |
| 4.2.2 模型整体预报评价 | 第45-47页 |
| 4.2.3 模型对比分析 | 第47-51页 |
| 4.2.4 讨论 | 第51-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 主要结论 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
