基于神经网络的锦屏水电站日径流预测系统开发
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题依据与研究意义 | 第10-14页 |
| 1.1.1 国内外研究动态 | 第11-14页 |
| 1.1.2 研究开发的意义与价值 | 第14页 |
| 1.2 主要技术路线 | 第14-16页 |
| 1.3 课题研究内容 | 第16-17页 |
| 第二章 雅砻江流域概况 | 第17-22页 |
| 2.1 自然地理概况 | 第17-18页 |
| 2.2 气候特性概况 | 第18页 |
| 2.3 径流特性概况 | 第18-20页 |
| 2.4 暴雨洪水特性概况 | 第20-22页 |
| 第三章 水情预测方案 | 第22-45页 |
| 3.1 引言 | 第22-23页 |
| 3.2 组合预测模型 | 第23-34页 |
| 3.2.1 组合预测模型理论 | 第23-24页 |
| 3.2.2 BPNN神经网络 | 第24-28页 |
| 3.2.2.1 BPNN神经网络算法及学习过程 | 第24-26页 |
| 3.2.2.2 BPNN神经网络的缺点及改进 | 第26-28页 |
| 3.2.3 GRNN神经网络 | 第28-31页 |
| 3.2.3.1 GRNN神经网络理论基础 | 第28-29页 |
| 3.2.3.2 GRNN神经网络结构 | 第29-31页 |
| 3.2.4 RBFNN神经网络 | 第31-34页 |
| 3.2.4.1 RBFNN神经网络结构和特点 | 第31-32页 |
| 3.2.4.2 RBFNN神经网络学习方法 | 第32-34页 |
| 3.3 锦屏电站径流预测 | 第34-45页 |
| 3.3.1 预测区域概况 | 第34页 |
| 3.3.2 基本资料 | 第34-35页 |
| 3.3.3 预测模型的构建 | 第35-36页 |
| 3.3.4 预测模型的预测结果 | 第36-45页 |
| 第四章 系统设计 | 第45-65页 |
| 4.1 系统需求分析 | 第45-48页 |
| 4.1.1 系统总体业务分析 | 第45-47页 |
| 4.1.2 系统设计原则 | 第47页 |
| 4.1.3 系统功能分析 | 第47-48页 |
| 4.2 系统总体架构设计 | 第48-53页 |
| 4.2.1 系统逻辑结构设计 | 第48-50页 |
| 4.2.2 系统物理结构设计 | 第50-51页 |
| 4.2.3 系统技术架构设计 | 第51-53页 |
| 4.3 系统程序开发 | 第53-63页 |
| 4.3.1 系统开发工具简介 | 第53-54页 |
| 4.3.2 基于神经网络模型的后台程序开发 | 第54-61页 |
| 4.3.3 基于SSH框架的前台程序开发 | 第61-63页 |
| 4.4 系统应用效果分析 | 第63-65页 |
| 4.4.1 系统运行情况 | 第63页 |
| 4.4.2 锦屏水电站水情预报精度 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71-85页 |
