| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-12页 |
| 1.2.1 多模式集成预报的研究进展 | 第9-10页 |
| 1.2.2 人工神经网络发展和应用的相关研究 | 第10-11页 |
| 1.2.3 遗传算法优化神经网络的研究进展 | 第11-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 第二章 资料与方法 | 第14-20页 |
| 2.1 资料 | 第14页 |
| 2.2 方法 | 第14-17页 |
| 2.2.1 人工神经网络 | 第14-15页 |
| 2.2.2 遗传算法 | 第15-16页 |
| 2.2.3 线性集成方法 | 第16页 |
| 2.2.4 效果判定方法 | 第16-17页 |
| 2.3 GABP集成建模步骤 | 第17-20页 |
| 第三章 GABP集成预报与其他预报的差异 | 第20-28页 |
| 3.1 比较预报差异的目的 | 第20页 |
| 3.2 GABP集成与单一模式预报结果的对比 | 第20-24页 |
| 3.2.1 预报均方误差的对比分析 | 第20-22页 |
| 3.2.2 预报气候距平相关系数的对比分析 | 第22-24页 |
| 3.3 GABP集成与线性集成预报结果的对比 | 第24-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 GABP集成预报特征的分析 | 第28-38页 |
| 4.1 进行预报特征分析的目的 | 第28页 |
| 4.2 GABP集成的预报误差分布特征 | 第28-31页 |
| 4.3 GABP集成预报改进情况分析 | 第31-35页 |
| 4.4 有无遗传算法优化的BP神经网络预报效果对比分析 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 GABP集成对天气过程的预报能力 | 第38-52页 |
| 5.1 分析天气过程GABP集成预报能力的目的 | 第38页 |
| 5.2 天气过程海平面气压GABP集成预报分析 | 第38-42页 |
| 5.3 天气过程500hPa位势高度GABP集成预报分析 | 第42-45页 |
| 5.4 天气过程地面2m温度GABP集成预报分析 | 第45-49页 |
| 5.5 本章小结 | 第49-52页 |
| 第六章 总结与讨论 | 第52-56页 |
| 6.1 主要结论 | 第52-54页 |
| 6.2 主要创新点 | 第54页 |
| 6.3 问题和展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64页 |