基于神经网络的多模式天气集成预报研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 前言 | 第8-12页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·课题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·集成预报国内外研究现状 | 第9-10页 |
| ·主要研究内容及论文结构安排 | 第10-11页 |
| ·研究内容概述 | 第10页 |
| ·论文结构安排 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 2 相关资料与技术介绍 | 第12-26页 |
| ·中短期数值天气预报 | 第12-14页 |
| ·数值天气预报概述 | 第12页 |
| ·数值天气预报发展 | 第12-13页 |
| ·数值预报在中短期预报中的影响 | 第13-14页 |
| ·现有集成预报方法 | 第14-16页 |
| ·集成预报方法概述 | 第14-15页 |
| ·基于权重分配的集成预报方法 | 第15-16页 |
| ·数值模式数据插值处理 | 第16-17页 |
| ·双线性插值法 | 第16-17页 |
| ·反距离权重法 | 第17页 |
| ·人工神经网络在预报技术中的应用 | 第17-22页 |
| ·人工神经网络概念 | 第17-18页 |
| ·人工神经网络基本结构 | 第18-21页 |
| ·基于神经网络的预报技术应用现状 | 第21-22页 |
| ·径向基神经网络(RBF网络) | 第22-25页 |
| ·RBF网络网络概述 | 第22页 |
| ·RBF网络结构 | 第22-23页 |
| ·RBF网络特点 | 第23-24页 |
| ·RBF网络应用现状 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于径向基神经网络的集成预报 | 第26-32页 |
| ·RBF神经网络算法描述 | 第26-28页 |
| ·RBF网络的数学表达 | 第26页 |
| ·RBF网络基函数参数选取算法 | 第26-28页 |
| ·基于RBF神经网络的集成预报实现 | 第28-31页 |
| ·单模式数值预报数据特点 | 第28-29页 |
| ·RBF网络输入层选取 | 第29页 |
| ·数据预处理 | 第29-30页 |
| ·参数设定和集成模型设计 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 集成预报系统的设计与实现 | 第32-53页 |
| ·系统需求分析 | 第32-35页 |
| ·总体分析 | 第32-33页 |
| ·系统用例分析 | 第33页 |
| ·系统功能性需求分析 | 第33-34页 |
| ·系统非功能性需求分析 | 第34-35页 |
| ·系统设计与实现 | 第35-52页 |
| ·系统概要设计 | 第35-37页 |
| ·开发与运行环境 | 第37-39页 |
| ·数据库设计 | 第39-41页 |
| ·详细设计 | 第41-52页 |
| ·本章小结 | 第52-53页 |
| 5 系统测试与结果分析 | 第53-57页 |
| ·单元测试 | 第53-54页 |
| ·性能测试 | 第54页 |
| ·集成结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·未来展望 | 第57-59页 |
| 7 参考文献 | 第59-65页 |
| 8 攻读硕士学位期间论文发表情况 | 第65-66页 |
| 9 致谢 | 第66页 |
