| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究的背景及研究的目的和意义 | 第10-11页 |
| 1.1.1 研究的背景 | 第10页 |
| 1.1.2 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 研究的主要内容及方法 | 第15-17页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.3.3 技术路线 | 第16-17页 |
| 1.4 研究方案 | 第17-18页 |
| 1.5 本章小结 | 第18-20页 |
| 2 数据来源与预测方法 | 第20-26页 |
| 2.1 猪舍结构 | 第20页 |
| 2.2 猪舍内温度、相对湿度、猪活动量及氨气浓度的监测 | 第20页 |
| 2.3 通风率的测定和计算 | 第20-21页 |
| 2.4 预测方法 | 第21-24页 |
| 2.4.1 线性神经网络 | 第21页 |
| 2.4.2 Elman神经网络 | 第21-22页 |
| 2.4.3 BP神经网络 | 第22-23页 |
| 2.4.4 L-M优化算法 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 预测模型的建立 | 第26-30页 |
| 3.1 数据预处理 | 第26页 |
| 3.2 预测模型的分析与建立 | 第26-28页 |
| 3.2.1 线性神经网络预测模型 | 第28页 |
| 3.2.2 Elman神经网络预测模型 | 第28页 |
| 3.2.3 基于L-M算法优化的BP神经网络预测模型 | 第28页 |
| 3.3 本章小结 | 第28-30页 |
| 4 预测结果与分析 | 第30-38页 |
| 4.1 猪舍环境数据 | 第30-31页 |
| 4.2 训练性能对比分析 | 第31-34页 |
| 4.3 预测结果对比分析与模型验证 | 第34-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 预测系统在Android平台上的构建 | 第38-48页 |
| 5.1 软件开发和运行环境 | 第38-39页 |
| 5.2 系统交互流程 | 第39-40页 |
| 5.3 服务端设计 | 第40-43页 |
| 5.3.1 数据库设计 | 第40-41页 |
| 5.3.2 服务端设计 | 第41-43页 |
| 5.4 客户端设计 | 第43-45页 |
| 5.5 关键技术 | 第45-47页 |
| 5.5.1 服务端关键技术 | 第45-46页 |
| 5.5.2 客户端关键技术 | 第46-47页 |
| 5.6 本章小结 | 第47-48页 |
| 6 结论与展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 个人简历 | 第58页 |