基于神经网络水质预测模型
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究目的及意义 | 第8-9页 |
| ·水质预测方法研究现状 | 第9-12页 |
| ·传统的水质预测方法 | 第9-10页 |
| ·以计算智能为基础的现代水质预测法 | 第10-12页 |
| ·课题研究技术路线与内容安排 | 第12-14页 |
| ·课题来源 | 第12页 |
| ·本文内容安排 | 第12-13页 |
| ·技术路线 | 第13-14页 |
| 2 人工神经网络 | 第14-26页 |
| ·人工神经网络的发展简史及未来趋势 | 第14-16页 |
| ·人工神经网络基础知识 | 第16-19页 |
| ·神经网络概述 | 第16页 |
| ·神经元细胞 | 第16-17页 |
| ·MP模型与一般神经元模型 | 第17-19页 |
| ·人工神经网络的研究 | 第19-21页 |
| ·神经网络的结构及学习 | 第21-26页 |
| ·神经网络结构 | 第21-23页 |
| ·神经网络的学习 | 第23-26页 |
| 3 BP神经网络 | 第26-34页 |
| ·概述 | 第26页 |
| ·BP神经网络模型 | 第26-28页 |
| ·BP神经算法 | 第28-32页 |
| ·BP神经网络功能 | 第32页 |
| ·网络的设计 | 第32-34页 |
| ·网络的层数 | 第32-33页 |
| ·隐含层的神经元个数 | 第33页 |
| ·初始权值的选取 | 第33页 |
| ·学习速率 | 第33-34页 |
| 4 RBF神经网络 | 第34-39页 |
| ·概述 | 第34页 |
| ·RBF神经网络模型 | 第34-36页 |
| ·RBF网络模型的工作原理 | 第36页 |
| ·RBF神经网络的具体实现 | 第36-37页 |
| ·RBF神经网络的学习算法 | 第37-39页 |
| 5 神经网络水质预测模型 | 第39-54页 |
| ·基于BP神经网络的预测模型 | 第39-47页 |
| ·建立模型与数据采集 | 第39-40页 |
| ·BP网络预测模型的实现 | 第40-47页 |
| ·基于RBF神经网络的预测模型的建立 | 第47-52页 |
| ·建立模型与数据采集 | 第47页 |
| ·RBF网络预测模型的实现 | 第47-52页 |
| ·BP和RBF神经网络的比较 | 第52-54页 |
| 6 结论与展望 | 第54-56页 |
| ·结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士期间发表学术论文 | 第59-60页 |
| 致谢 | 第60页 |
