利用小波网络处理凝析天然气流量计测量数据
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 前言 | 第8-14页 |
| ·课题的背景及意义 | 第8页 |
| ·两相流计量方法现状 | 第8-10页 |
| ·分离法 | 第8-9页 |
| ·非分离法 | 第9-10页 |
| ·国内外研究现状与分析 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文主要研究内容 | 第12-13页 |
| ·小结 | 第13-14页 |
| 第2章 小波神经网络 | 第14-28页 |
| ·引言 | 第14页 |
| ·BP神经网络 | 第14-19页 |
| ·BP神经网络的算法 | 第15-17页 |
| ·BP神经网络的缺点和改进 | 第17-19页 |
| ·小波分析理论 | 第19-22页 |
| ·引言 | 第19页 |
| ·连续小波变换 | 第19-20页 |
| ·离散小波变换 | 第20页 |
| ·多分辨率分析 | 第20-22页 |
| ·小波与神经网络的结合方式 | 第22-25页 |
| ·小波神经网络的特征及逼近能力 | 第25-26页 |
| ·小波网络与常规神经网络的比较 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 连续参数小波神经网络算法及其应用 | 第28-43页 |
| ·连续小波网络的算法推导 | 第28-32页 |
| ·样本集的生成 | 第32-37页 |
| ·连续小波网络的训练及预测 | 第37-42页 |
| ·小结 | 第42-43页 |
| 第4章 多分辨率小波神经网络算法及其应用 | 第43-55页 |
| ·引言 | 第43页 |
| ·多分辨率小波网络算法 | 第43-47页 |
| ·多分辨率小波网络结构 | 第43-44页 |
| ·多分辨率小波网络隐层节点数的确定 | 第44页 |
| ·网络训练算法 | 第44-47页 |
| ·多分辨小波网络的训练及预测 | 第47-54页 |
| ·小结 | 第54-55页 |
| 第5章 小波基的选取与小波网络的预测性能 | 第55-62页 |
| ·引言 | 第55页 |
| ·正交小波基的性质 | 第55-57页 |
| ·不同小波基对实验样本的训练比较及预测 | 第57-61页 |
| ·小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |
