遗传神经网络在城市气象预报中的应用研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-13页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要的研究内容 | 第12页 |
| ·本文组织结构 | 第12-13页 |
| 2 神经网络概述 | 第13-22页 |
| ·神经网络的发展 | 第13-14页 |
| ·人工神经元模型 | 第14-17页 |
| ·神经网络的互联模式 | 第17-18页 |
| ·反馈型网络结构 | 第17-18页 |
| ·混合网络结构 | 第18页 |
| ·BP 神经网络原理及理论 | 第18-22页 |
| ·BP 神经网络的原理 | 第19页 |
| ·BP 算法 | 第19-20页 |
| ·BP 神经网络的优缺点及应用 | 第20-22页 |
| 3 遗传算法 | 第22-37页 |
| ·基本思想 | 第22-23页 |
| ·算法操作过程 | 第23-32页 |
| ·遗传算法基本要素 | 第23-30页 |
| ·遗传算法操作流程 | 第30-32页 |
| ·改进的遗传算法 | 第32-34页 |
| ·适应度值标定 | 第32-33页 |
| ·群体多样化 | 第33-34页 |
| ·遗传算法的特点及应用 | 第34-37页 |
| 4 遗传神经网络模型的构建与应用 | 第37-52页 |
| ·遗传神经网络融合技术 | 第37-38页 |
| ·神经网络部分的设置 | 第38-43页 |
| ·网络拓扑结构的确定 | 第38-39页 |
| ·激活函数的选取 | 第39-40页 |
| ·样本的选取与预处理 | 第40-42页 |
| ·初始参数的设置 | 第42-43页 |
| ·遗传算法部分的设置与实现 | 第43-45页 |
| ·编码方案 | 第43-45页 |
| ·适应度函数的确定 | 第45页 |
| ·遗传操作算子实现 | 第45页 |
| ·遗传神经网络实现步骤 | 第45-47页 |
| ·遗传神经网络在气象预报中的应用研究 | 第47-52页 |
| ·遗传神经网络在气象预报中的应用研究 | 第47-49页 |
| ·最高最低气温预报仿真结果分析 | 第49-52页 |
| 5 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录A 优化后的权值阈值 | 第57-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60-61页 |
