基于人工神经网络的水文模拟研究
| 第一章 绪论 | 第1-15页 |
| 1．1 引言 | 第9-11页 |
| 1．2 国内外研究现状 | 第11-13页 |
| 1．3 研究内容 | 第13-15页 |
| 第二章 ANN的基本原理 | 第15-21页 |
| 2．1 ANN的基本涵义 | 第15页 |
| 2．2 ANN的产生与发展 | 第15-16页 |
| 2．3 ANN的基本结构与模型 | 第16-18页 |
| 2．3．1 人工神经元的模型 | 第17-18页 |
| 2．3．2 激活转移函数 | 第18页 |
| 2．4 ANN的特点 | 第18-19页 |
| 2．5 ANN的类别和运行过程 | 第19-21页 |
| 第三章 BP模型 | 第21-29页 |
| 3．1 经典BP算法 | 第21-24页 |
| 3．2 BP算法存在的问题 | 第24-25页 |
| 3．3 BP模型应用中的几个关键问题 | 第25-29页 |
| 3．3．1 BP模型输入层模式的确定 | 第25-26页 |
| 3．3．2 数据前处理 | 第26-27页 |
| 3．3．3 隐含层及其节点数 | 第27页 |
| 3．3．4 学习效率参数 | 第27页 |
| 3．3．5 训练次数的确定 | 第27-29页 |
| 第四章 模型应用实例 | 第29-55页 |
| 4．1 研究区域概况 | 第29-31页 |
| 4．1．1 流域概况 | 第29页 |
| 4．1．2 水文气象特征 | 第29-31页 |
| 4．2 选用资料 | 第31-32页 |
| 4．3 模型性能评价指标 | 第32-33页 |
| 4．4 基于BP模型的降雨径流模拟 | 第33-38页 |
| 4．4．1 模型结构的确定 | 第33-35页 |
| 4．4．2 模型计算成果 | 第35-38页 |
| 4．5 基于新安江模型的降雨径流模拟 | 第38-44页 |
| 4．5．1 模型简述 | 第38-39页 |
| 4．5．2 参数的率定 | 第39-41页 |
| 4．5．3 模型计算成果 | 第41-44页 |
| 4．6 基于萨克拉门托模型的降雨径流模拟 | 第44-50页 |
| 4．6．1 模型简述 | 第44-45页 |
| 4．6．2 参数的率定 | 第45-46页 |
| 4．6．3 模型计算成果 | 第46-50页 |
| 4．7 模型精度评定与比较 | 第50-55页 |
| 4．7．1 模型精度评定 | 第50页 |
| 4．7．2 模型精度比较 | 第50-51页 |
| 4．7．3 模型评述 | 第51-53页 |
| 4．7．4 误差分析 | 第53-55页 |
| 第五章 结论与展望 | 第55-58页 |
| 5．1 结论 | 第55页 |
| 5．2 展望 | 第55-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
