基于NAR动态神经网络后验信息的概率水文预报
| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究的目的及意义 | 第11页 |
| 1.2 水文的不确定性 | 第11-12页 |
| 1.3 国内外研究现状及发展趋势 | 第12-16页 |
| 1.4 主要研究内容 | 第16-18页 |
| 2 研究区域概况 | 第18-20页 |
| 2.1 水系 | 第18-19页 |
| 2.2 气候及水文条件 | 第19页 |
| 2.3 地质地貌 | 第19页 |
| 2.4 自然资源 | 第19-20页 |
| 3 降水不确定性分析及先验分布 | 第20-23页 |
| 4 NAR动态神经网络预测 | 第23-29页 |
| 4.1 动态神经网络概述 | 第23页 |
| 4.2 NAR基本概念 | 第23-25页 |
| 4.3 时间序列阶数的确定 | 第25-26页 |
| 4.4 隐层神经元及贝叶斯正则化 | 第26-27页 |
| 4.5 构建NAR动态神经网络 | 第27-29页 |
| 5 参数不确定性及降水量后验信息的获取 | 第29-40页 |
| 5.1 后验信息 | 第29页 |
| 5.2 后验信息的获取 | 第29-30页 |
| 5.3 权值和阈值的概率分布 | 第30-34页 |
| 5.4 后验信息的确定 | 第34-40页 |
| 6 概率降水预报 | 第40-48页 |
| 6.1 概率预报方法的基本原理 | 第40-41页 |
| 6.2 贝叶斯概率预报系统的构建 | 第41页 |
| 6.3 概率降水预报的实现 | 第41-48页 |
| 6.3.1 预报分布的获取 | 第41-44页 |
| 6.3.2 预报值累积概率 | 第44-46页 |
| 6.3.3 预报值发生概率 | 第46-48页 |
| 7 结论与展望 | 第48-50页 |
| 7.1 结论 | 第48-49页 |
| 7.2 创新点 | 第49页 |
| 7.3 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54页 |
