| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 综述 | 第10-23页 |
| 1 研究目的与意义 | 第10-11页 |
| 2 茶树树冠结构研究状况分析 | 第11-12页 |
| 3 差分方程及应用现状 | 第12-14页 |
| ·差分的概念 | 第12-13页 |
| ·差分方程的概念及一般形式 | 第13-14页 |
| ·差分方程的应用现状 | 第14页 |
| 4 灰色系统及应用现状 | 第14-16页 |
| ·灰色系统的概念 | 第14-15页 |
| ·灰色系统理论的应用现状 | 第15页 |
| ·灰色预测模型 | 第15-16页 |
| 5 人工神经网络 | 第16-18页 |
| ·人工神经网络概念 | 第16页 |
| ·用人工神经网络解决问题的过程 | 第16页 |
| ·BP人工神经网络模型建立的原理与方法 | 第16-17页 |
| ·BP人工神经网络的应用情况 | 第17-18页 |
| ·模式识别 | 第18页 |
| ·智能预测和过程控制 | 第18页 |
| ·人工智能方面 | 第18页 |
| 6 多元线性回归模型 | 第18-19页 |
| ·多元线性回归概念 | 第18-19页 |
| ·多元线性回归模型应用情况 | 第19页 |
| 7 研究的技术线路 | 第19-21页 |
| 8 研究的主要内容及创新点 | 第21-23页 |
| 第二章 单指标茶树树冠结构一阶差分模型 | 第23-36页 |
| 1 材料与方法 | 第23-31页 |
| ·材料 | 第23页 |
| ·模型建立 | 第23-27页 |
| ·灰色GM(1，1)模型 | 第27-29页 |
| ·对原始实验数据的预处理 | 第27页 |
| ·参数的求解及模型的建立 | 第27-29页 |
| ·指标变化率k(n)的GM(1，1)模型算法的Matlab实现 | 第29页 |
| ·BP人工神经网络预测 | 第29-31页 |
| ·网络结构的设计 | 第29-31页 |
| ·BP神经网络预测过程 | 第31页 |
| 2 结果与分析 | 第31-35页 |
| ·基于GM(1，1)的茶树树冠结构各指标的一阶差分模型 | 第31-34页 |
| ·基于BP神经网络的茶树冠各指标的一阶差分预测 | 第34页 |
| ·模型的评价 | 第34-35页 |
| 3 结论 | 第35-36页 |
| 第三章 单指标茶树树冠结构高阶差分模型 | 第36-39页 |
| 1 材料与方法 | 第36-37页 |
| ·材料 | 第36页 |
| ·方法 | 第36-37页 |
| 2 结果与分析 | 第37-38页 |
| ·福鼎大白茶的二阶差分模型 | 第37-38页 |
| ·结果的评价 | 第38页 |
| 3 结论 | 第38-39页 |
| 第四章 多指标茶树树冠结构模型 | 第39-46页 |
| 1 材料与方法 | 第39-41页 |
| ·材料 | 第39页 |
| ·方法介绍 | 第39-41页 |
| ·关联度分析 | 第39-40页 |
| ·GM(1，N)模型 | 第40-41页 |
| 2 结果与分析 | 第41-46页 |
| ·关联度分析结果 | 第41页 |
| ·多指标GM(1，2)模型的建立 | 第41-42页 |
| ·模型结果的检验分析与结论 | 第42-46页 |
| 第五章 总结 | 第46-48页 |
| 1 结论 | 第46页 |
| 2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录A | 第51-66页 |
| 附录B | 第66-69页 |
| 附录C | 第69-70页 |
| 附录D | 第70-71页 |
| 附录E | 第71-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |