基于数据仓库的气象干旱指标挖掘研究与实现
| 表目录 | 第1-7页 |
| 图目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 引言 | 第10-14页 |
| ·数据挖掘介绍 | 第10-11页 |
| ·项目背景情况 | 第11-12页 |
| ·本人主要工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 数据仓库及数据挖掘技术 | 第14-21页 |
| ·数据仓库概述 | 第14页 |
| ·数据仓库体系结构 | 第14-15页 |
| ·数据仓库的设计 | 第15-16页 |
| ·数据仓库的实现 | 第16-17页 |
| ·数据准备 | 第17-19页 |
| ·联机分析处理 | 第19页 |
| ·数据挖掘技术 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 河南气象数据仓库的设计 | 第21-38页 |
| ·气象业务系统及数据库应用简介 | 第21-22页 |
| ·气象预报过程 | 第21页 |
| ·气象数据库系统现状 | 第21-22页 |
| ·河南气象观测数据保存现状及数据仓库建设需求 | 第22页 |
| ·数据仓库设计基本过程 | 第22-23页 |
| ·河南气象数据仓库设计 | 第23-29页 |
| ·概念模型设计 | 第24-28页 |
| ·逻辑模型设计 | 第28-29页 |
| ·物理模型设计 | 第29页 |
| ·河南气象数据仓库的初步实现 | 第29-37页 |
| ·数据初步采集 | 第30页 |
| ·数据部分的实现 | 第30-34页 |
| ·多维数据集建设及数据展现 | 第34-37页 |
| ·河南气象数据仓库更新策略简述 | 第37页 |
| ·小结 | 第37-38页 |
| 第四章 基于数据仓库的干旱指标挖掘 | 第38-59页 |
| ·人工神经网络简介 | 第38页 |
| ·BP 神经网络 | 第38-40页 |
| ·BP 神经网络模型 | 第38-39页 |
| ·BP 算法中心思想 | 第39页 |
| ·BP 神经网络输入输出公式 | 第39页 |
| ·神经网络学习 | 第39-40页 |
| ·RBF（径向基函数）神经网络 | 第40-43页 |
| ·RBF 神经网络 | 第40-42页 |
| ·RBF 神经网络工作原理 | 第42页 |
| ·RBF 神经网络设计 | 第42-43页 |
| ·神经网络专家系统 | 第43页 |
| ·干旱概述及相关定义 | 第43-44页 |
| ·干旱研究的重要性 | 第43页 |
| ·土壤相对湿度干旱指数( R ) | 第43-44页 |
| ·土壤相对湿度干旱指数计算方法 | 第44页 |
| ·构建神经网络干旱评价模型 | 第44-48页 |
| ·影响土壤湿度的因子确定 | 第44-45页 |
| ·BP 网络结构的确定 | 第45-47页 |
| ·RBF 网络的构建 | 第47-48页 |
| ·应用神经网络的土壤干旱评价 | 第48-55页 |
| ·训练数据的选择与归一化处理 | 第48-50页 |
| ·BP 神经网络模型训练及结果 | 第50-53页 |
| ·RBF 网络模型训练及结果 | 第53-55页 |
| ·结果分析 | 第55-58页 |
| ·精度分析 | 第55页 |
| ·方法效果比较 | 第55-57页 |
| ·两种神经网络方法比较分析 | 第57页 |
| ·干旱趋势分析 | 第57-58页 |
| ·结论 | 第58-59页 |
| 结束语 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 作者在学期间取得的学术成果 | 第63页 |
