| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景 | 第9-12页 |
| 1.1.1 Elman神经网络研究背景 | 第9-10页 |
| 1.1.2 遗传算法研究背景 | 第10-11页 |
| 1.1.3 时间序列预测研究背景 | 第11-12页 |
| 1.2 论文主要工作 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关理论研究 | 第15-27页 |
| 2.1 Elman神经网络介绍 | 第15-19页 |
| 2.1.1 网络结构 | 第15-16页 |
| 2.1.2 学习算法 | 第16-17页 |
| 2.1.3 激活函数 | 第17-18页 |
| 2.1.4 预测流程 | 第18-19页 |
| 2.2 遗传算法介绍 | 第19-23页 |
| 2.2.1 遗传算法基本原理 | 第20页 |
| 2.2.2 遗传算法的实现技术 | 第20-23页 |
| 2.2.3 遗传算法的应用 | 第23页 |
| 2.3 常见的几种时间序列预测方法 | 第23-26页 |
| 2.3.1 灰色预测法 | 第24-25页 |
| 2.3.2 NARX神经网络 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 改进Elman神经网络结构 | 第27-35页 |
| 3.1 问题的提出 | 第27-28页 |
| 3.2 优化思路 | 第28-29页 |
| 3.3 DHOHF-Elman网络 | 第29-31页 |
| 3.4 对比实验与分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 自适应遗传算法优化DHOHF-Elman网络参数 | 第35-49页 |
| 4.1 网络隐含层节点数优化算法 | 第35-41页 |
| 4.1.1 编码方式 | 第36-37页 |
| 4.1.2 适应度函数 | 第37页 |
| 4.1.3 遗传算子 | 第37-39页 |
| 4.1.4 交叉概率和变异概率的确定 | 第39-41页 |
| 4.2 初始权值阈值优化算法 | 第41-44页 |
| 4.2.1 编码方式 | 第42-43页 |
| 4.2.2 适应度函数 | 第43页 |
| 4.2.3 遗传算子 | 第43-44页 |
| 4.2.4 交叉概率和变异率的确定 | 第44页 |
| 4.3 验证实验 | 第44-47页 |
| 4.3.1 验证AGA确定隐含层节点数算法的有效性 | 第44-46页 |
| 4.3.2 验证AGA初始化权值阈值算法的有效性 | 第46-47页 |
| 4.4 AGA-DHOHF-Elman预测工作流程 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 空气质量时序数据预测 | 第49-61页 |
| 5.1 实验数据及相关设置 | 第49-51页 |
| 5.1.1 数据来源 | 第49-50页 |
| 5.1.2 问题描述 | 第50页 |
| 5.1.3 数据预处理 | 第50-51页 |
| 5.1.4 性能评价指标 | 第51页 |
| 5.2 实验过程 | 第51-55页 |
| 5.2.1 实验设计 | 第51-52页 |
| 5.2.2 实验结果 | 第52-55页 |
| 5.3 对比实验及结果分析 | 第55-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |
