| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-20页 |
| ·选题背景及研究意义 | 第14-15页 |
| ·研究和应用现状 | 第15-17页 |
| ·赤潮预测方法概述 | 第15-16页 |
| ·机器学习赤潮预测方法 | 第16-17页 |
| ·存在的问题与不足 | 第17-18页 |
| ·本文主要工作 | 第18-20页 |
| 第二章 神经网络基本理论 | 第20-33页 |
| ·概述 | 第20-24页 |
| ·人工神经元模型 | 第20-21页 |
| ·神经网络的拓扑分类 | 第21-23页 |
| ·神经网络的学习算法分类 | 第23-24页 |
| ·误差反向传播网络—BP网络 | 第24-29页 |
| ·BP网络结构 | 第24页 |
| ·BP算法 | 第24-28页 |
| ·BP网络设计原则 | 第28-29页 |
| ·BP算法的改进 | 第29-31页 |
| ·BP算法的不足 | 第29-30页 |
| ·BP算法的改进 | 第30-31页 |
| ·小结 | 第31-33页 |
| 第三章 基于 PCA的神经网络赤潮预测模型 | 第33-46页 |
| ·PCA算法 | 第33-36页 |
| ·模型的输入因子选择 | 第36-40页 |
| ·赤潮成因分析 | 第36-38页 |
| ·数据预处理 | 第38-39页 |
| ·数据的主成分分析 | 第39-40页 |
| ·基于 PCA的神经网络赤潮预测模型 | 第40-45页 |
| ·附加动量法的 BP神经网络算法 | 第41页 |
| ·模型设计 | 第41-43页 |
| ·实验分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于 LMBP算法的赤潮预测模型 | 第46-59页 |
| ·LMBP神经网络算法 | 第46-50页 |
| ·L-M算法 | 第46-47页 |
| ·LMBP算法 | 第47-50页 |
| ·基于 LMBP的烟台四十里湾赤潮预测模型 | 第50-56页 |
| ·样本数据及预处理 | 第50-51页 |
| ·输入变量选取 | 第51-52页 |
| ·对一组输入进行 LMBP建模 | 第52-55页 |
| ·实验分析 | 第55-56页 |
| ·LMBP模型泛化性能的改善 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第五章 基于神经网络的赤潮灾害智能预警系统的设计与实现 | 第59-72页 |
| ·系统的软件架构 | 第59-62页 |
| ·开发环境 | 第62页 |
| ·系统工作流程 | 第62-63页 |
| ·各功能模块的实现 | 第63-70页 |
| ·软件启动模块 | 第63-64页 |
| ·训练数据获取模块 | 第64-68页 |
| ·核心算法模块 | 第68-69页 |
| ·预测结果显示模块 | 第69-70页 |
| ·小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-75页 |
| ·全文总结 | 第72-73页 |
| ·课题展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间发表的学术论文及参加的科研课题 | 第81-82页 |
| 附录 | 第82-91页 |
| 学位论文评阅及答辩情况表 | 第91页 |