首页--农业科学论文--水产、渔业论文--水产工程论文--水质工程论文

基于ARIMA-DBN的水质参数预测模型研究

摘要第4-5页
Abstract第5-6页
第一章 引言第9-14页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究历史及现状第10-13页
    1.3 论文结构安排第13-14页
第二章 基本理论介绍第14-29页
    2.1 时间序列第14-19页
        2.1.1 时间序列的概念第14-15页
        2.1.2 平稳时间序列第15-16页
        2.1.3 线性非平稳模型第16-18页
        2.1.4 时间序列建模过程及用处第18-19页
    2.2 深度学习的基本概念第19-24页
        2.2.1 深度学习的概念第19页
        2.2.2 深度学习的训练过程第19-20页
        2.2.3 深度学习与神经网络第20-21页
        2.2.4 深度信度网络第21-24页
    2.3 滑动窗口第24-29页
        2.3.1 滑动窗口概念第24-25页
        2.3.2 水质参数异常检测第25-29页
第三章 基于ARIMA模型与深度信念网DBN结合的时间预测模型第29-38页
    3.1 水质参数异常数据检测及各模型建模过程第29-35页
        3.1.1 水质参数异常检测第29-30页
        3.1.2 ARIMA建模第30-32页
        3.1.3 DBN建模第32-34页
        3.1.4 ARIMA-DBN建模第34-35页
    3.2 实验结果及比较分析第35-38页
        3.2.1 模型比较分析第35-36页
        3.2.2 模型在水产品养殖中的应用比较第36-38页
第四章 水产品养殖信息追溯及预测平台的设计与实现第38-49页
    4.1 平台总体设计第39-41页
        4.1.1 信息追溯流程分析第39-40页
        4.1.2 系统功能结构图第40-41页
    4.2 预测模块的关键任务与要求第41-44页
        4.2.1 平台水质参数预测流程分析第41-42页
        4.2.2 水质参数预测效果图第42-44页
    4.3 平台预测模块需求设计与数据库设计第44-49页
        4.3.1 水质参数预测模块相关需求数据库总体设计第44-45页
        4.3.2 水质参数预测模块相关数据库表单的设计第45-48页
        4.3.3 该平台水质预测模块优点第48-49页
第五章 总结与展望第49-51页
    5.1 总结第49-50页
    5.2 展望第50-51页
参考文献第51-56页
附录第56-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:国际商事仲裁中的禁止反言原则
下一篇:淋球菌对大观霉素耐药机制的研究