| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 绪论 | 第11-27页 |
| ·人工神经网络技术在水文预报中的研究现状 | 第11-14页 |
| ·对网络算法的改进 | 第12-13页 |
| ·网络结构的变化 | 第13-14页 |
| ·网络算法与其它方法的耦合途径 | 第14页 |
| ·人工神经网络技术在电力负荷预测中的研究现状 | 第14-20页 |
| ·影响负荷预测作用大小的因素 | 第15-16页 |
| ·负荷预测的基本原理 | 第16-17页 |
| ·神经网络技术在电力负荷预测中的研究现状 | 第17-19页 |
| ·四川省电网特点 | 第19-20页 |
| ·人工神经网络技术在应用中存在的问题 | 第20-21页 |
| ·训练样本问题 | 第20-21页 |
| ·网络结构问题 | 第21页 |
| ·网络算法问题 | 第21页 |
| ·网络推广能力问题 | 第21页 |
| ·本文主要研究内容 | 第21-23页 |
| ·研究意义 | 第22页 |
| ·研究内容 | 第22-23页 |
| 参考文献 | 第23-27页 |
| 第一章 神经网络技术若干问题的进一步研究 | 第27-49页 |
| ·人工神经网络推广能力的研究 | 第27-33页 |
| ·神经网络推广能力研究现状 | 第28页 |
| ·推广能力的定性分析 | 第28-30页 |
| ·一般推广问题的数学研究 | 第30页 |
| ·提高推广能力的方法研究 | 第30-33页 |
| ·设计人工神经网络结构的研究 | 第33-41页 |
| ·人工神经网络结构的研究现状 | 第34-38页 |
| ·级数人工神经网络模型 | 第38-41页 |
| ·神经网络样本量问题的研究 | 第41-44页 |
| ·两个基本概念 | 第41-43页 |
| ·训练样本量范围大小的计算公式 | 第43-44页 |
| ·本章小结 | 第44页 |
| 参考文献 | 第44-49页 |
| 第二章 自适应BP模型及其应用 | 第49-58页 |
| ·引言 | 第49-50页 |
| ·自适应BP算法模型 | 第50-52页 |
| ·标准BP网络结构及算法 | 第50-51页 |
| ·自适应BP算法 | 第51-52页 |
| ·自适应BP算法在洪水预报中的应用 | 第52-54页 |
| ·自适应BP算法拟合结果 | 第52-53页 |
| ·自适应BP算法预报结果 | 第53-54页 |
| ·自适应BP算法在电力负荷预测中的应用 | 第54-57页 |
| ·原始资料分析 | 第54-55页 |
| ·不考虑气象因素的计算结果 | 第55-56页 |
| ·考虑气象因素的计算结果 | 第56-57页 |
| ·小结 | 第57页 |
| 参考文献 | 第57-58页 |
| 第三章 具有敏感功能的人工神经网络模型及其应用 | 第58-67页 |
| ·引言 | 第58页 |
| ·敏感型人工神经网络模型 | 第58-60页 |
| ·时序训练样本的构造 | 第58-59页 |
| ·指数型能量函数 | 第59-60页 |
| ·敏感型人工神经网络模型在洪水预报中的应用 | 第60-62页 |
| ·实例1:长江监利站 | 第60-61页 |
| ·实例2:新疆伊犁河雅马渡站 | 第61-62页 |
| ·敏感型人工神经网络模型在电力负荷预测中的应用 | 第62-65页 |
| ·原始资料分析 | 第62-63页 |
| ·不考虑气象因素的计算结果 | 第63-64页 |
| ·考虑气象因素的计算结果 | 第64-65页 |
| ·小结 | 第65-66页 |
| 参考文献 | 第66-67页 |
| 第四章 时间差分法模型及在洪水预报中的应用 | 第67-73页 |
| ·引言 | 第67-68页 |
| ·时间差分人工神经网络模型 | 第68-69页 |
| ·时间差分法神经网络模型在水文预报中的应用 | 第69-71页 |
| ·实例1:长江监利站 | 第69-70页 |
| ·实例2:岷江紫坪埔站 | 第70-71页 |
| ·小结 | 第71-72页 |
| 参考文献 | 第72-73页 |
| 第五章 结合卡尔曼滤波技术的神经网络模型及其应用 | 第73-83页 |
| ·引言 | 第73-74页 |
| ·基于神经网络技术的卡尔曼滤波实时校正模型 | 第74-76页 |
| ·ANNK模型应用 | 第76-78页 |
| ·ANNK模型在水文预报上的应用 | 第76-77页 |
| ·ANNK模型应用小结 | 第77-78页 |
| ·基于卡尔曼滤波实时校正技术的神经网络模型 | 第78-80页 |
| ·KANN模型的应用 | 第80-81页 |
| ·KANN模型在水文预报中的应用 | 第80-81页 |
| ·KANN模型应用小结 | 第81页 |
| 参考文献 | 第81-83页 |
| 第六章 带偏差单元的人工神经网络模型及其应用 | 第83-89页 |
| ·引言 | 第83-84页 |
| ·带偏差单元的人工神经网络模型 | 第84-86页 |
| ·带偏差单元的递归神经网络结构 | 第84-85页 |
| ·带偏差单元的递归神经网络的计算 | 第85-86页 |
| ·带偏差单元的神经网络模型在年径流预报中的应用 | 第86-88页 |
| ·小结 | 第88页 |
| 参考文献 | 第88-89页 |
| 第七章 BP网络过拟合满足的不确定关系式在应用中的研究 | 第89-109页 |
| ·引言 | 第89页 |
| ·BP网络过拟合不确定关系式的推导 | 第89-92页 |
| ·实际应用中过拟合参数的求取 | 第92-107页 |
| ·长江流域宜昌水文站 | 第93-97页 |
| ·长江流域监利水文站 | 第97-100页 |
| ·岷江流域紫坪埔水文站 | 第100-104页 |
| ·金沙江流域屏山水文站 | 第104-107页 |
| ·小结 | 第107页 |
| 参考文献 | 第107-109页 |
| 第八章 总结与展望 | 第109-112页 |
| 声明 | 第112-113页 |
| 攻读博士期间发表论文 | 第113-114页 |
| 致谢 | 第114页 |