基于主成分小波神经网络的水泥强度预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·本文研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要研究内容 | 第11页 |
| ·本文的结构安排 | 第11-12页 |
| ·本文的特色与创新 | 第12-13页 |
| 2 不同预测模型建模方法的探讨 | 第13-18页 |
| ·机理建模方法 | 第13页 |
| ·机理建模和经验建模相结合 | 第13页 |
| ·回归分析建模方法 | 第13-16页 |
| ·一元线性回归分析 | 第14-15页 |
| ·多元线性回归分析 | 第15-16页 |
| ·人工神经网络建模方法 | 第16页 |
| ·本章小结 | 第16-18页 |
| 3 基于BP 神经网络的水泥强度预测模型 | 第18-25页 |
| ·人工神经网络简介 | 第18页 |
| ·BP 网络模型及主要思想 | 第18-19页 |
| ·BP 网络的学习算法 | 第19-20页 |
| ·工具软件介绍 | 第20-21页 |
| ·神经网络预测模型 | 第21-24页 |
| ·样本数据的准备 | 第21-22页 |
| ·数据的预处理 | 第22页 |
| ·模型的构建过程 | 第22-23页 |
| ·模型结果分析 | 第23-24页 |
| ·模型的评估 | 第24页 |
| ·小结 | 第24-25页 |
| 4 基于主成分神经网络的水泥强度预测模型 | 第25-33页 |
| ·主成分分析方法的基本思想 | 第25页 |
| ·主成分神经网络的思想 | 第25-26页 |
| ·主成分的提取 | 第26-27页 |
| ·主成分与神经网络的融合 | 第27-29页 |
| ·主成分神经网络模型检验 | 第29-32页 |
| ·小结 | 第32-33页 |
| 5 基于主成分小波神经网络的水泥强度预测模型 | 第33-43页 |
| ·小波神经网络介绍 | 第33-34页 |
| ·小波神经网络与常规神经网络的比较 | 第34-35页 |
| ·小波函数和sigmoid 函数比较 | 第34页 |
| ·小波神经网络与BP 神经网络比较 | 第34-35页 |
| ·小波网络模型与学习算法 | 第35-38页 |
| ·主成分分析与小波神经网络的融合 | 第38页 |
| ·主成分小波神经网络模型检验 | 第38-39页 |
| ·三种模型的性能对比 | 第39-42页 |
| ·BP 神经网络预测模型 | 第39-40页 |
| ·主成分神经网络预测模型误差 | 第40-41页 |
| ·主成分小波神经网络的水泥强度预测误差 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 6 结论与展望 | 第43-45页 |
| ·结论 | 第43-44页 |
| ·展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 附录A | 第48-49页 |
| 附录B | 第49-52页 |
| 附录C | 第52页 |
