基于概率神经网络的水资源可持续利用评价研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 概率神经网络 | 第8-9页 |
| 1.2.2 水资源可持续利用评价 | 第9-11页 |
| 1.3 研究内容及技术路线 | 第11-12页 |
| 1.4 本文的创新之处 | 第12-13页 |
| 第2章 概率神经网络 | 第13-25页 |
| 2.1 神经网络 | 第13-15页 |
| 2.1.1 神经元基本结构 | 第13-14页 |
| 2.1.2 神经网络结构 | 第14-15页 |
| 2.2 概率神经网络理论基础 | 第15-21页 |
| 2.2.1 Bayes决策理论 | 第15-17页 |
| 2.2.2 PNN的Bayes分类器 | 第17-18页 |
| 2.2.3 Parzen窗函数 | 第18-21页 |
| 2.3 概率神经网络模型 | 第21-25页 |
| 2.3.1 PNN网络结构 | 第21-22页 |
| 2.3.2 PNN模型的学习算法 | 第22-25页 |
| 第3章 评价模型及指标体系的构建 | 第25-38页 |
| 3.1 研究区 | 第25-28页 |
| 3.1.1 地形与气候 | 第25-26页 |
| 3.1.2 水资源 | 第26-27页 |
| 3.1.3 人口与社会经济 | 第27-28页 |
| 3.2 评价指标体系的初始化 | 第28-30页 |
| 3.2.1 指标体系的构建原则 | 第28页 |
| 3.2.2 初始化指标体系 | 第28-30页 |
| 3.3 评价指标体系的约简 | 第30-36页 |
| 3.3.1 相关分析 | 第30-31页 |
| 3.3.2 粗糙集理论 | 第31-32页 |
| 3.3.3 基于相关分析和粗糙集的指标约简 | 第32-36页 |
| 3.4 PNN水资源可持续利用评价模型的构建 | 第36-38页 |
| 第4章 评价模型的应用 | 第38-52页 |
| 4.1 数据来源及预处理 | 第38-40页 |
| 4.1.1 数据来源 | 第38页 |
| 4.1.2 样本生成及预处理 | 第38-40页 |
| 4.2 PNN评价模型的应用 | 第40-45页 |
| 4.2.1 模型训练 | 第40-42页 |
| 4.2.2 模型应用及结果分析 | 第42-45页 |
| 4.3 BP神经网络评价模型 | 第45-49页 |
| 4.3.1 网络结构及学习算法 | 第45-46页 |
| 4.3.2 模型训练及应用 | 第46-49页 |
| 4.4 模型结果对比分析 | 第49-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读学位期间取得学术成果 | 第56页 |
