基于SAGA的优化算法在径流量预测中的研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及其意义 | 第8-9页 |
| 1.2 神经网络及智能算法研究状况 | 第9-10页 |
| 1.3 水文时间序列研究概况 | 第10-12页 |
| 1.4 主要研究内容及创新点 | 第12-13页 |
| 1.5 文章结构安排 | 第13-14页 |
| 第二章 神经网络相关理论 | 第14-21页 |
| 2.1 神经元模型 | 第14-15页 |
| 2.2 激活函数 | 第15页 |
| 2.3 小波神经网络概述 | 第15-18页 |
| 2.3.1 小波神经网络学习算法 | 第16页 |
| 2.3.2 小波神经网络结构设计 | 第16-18页 |
| 2.4 支持向量回归 | 第18-20页 |
| 2.5 极限学习机 | 第20-21页 |
| 第三章 智能优化算法简介 | 第21-27页 |
| 3.1 智能算法概述 | 第21-22页 |
| 3.2 遗传算法简介 | 第22页 |
| 3.3 GA-WNN设计思路 | 第22-23页 |
| 3.4 模拟退火算法 | 第23-24页 |
| 3.5 SAGA-WNN设计思路 | 第24-25页 |
| 3.6 GA-SVR设计思路 | 第25-27页 |
| 第四章 月均径流实证分析 | 第27-38页 |
| 4.1 数据信息 | 第27页 |
| 4.2 模型评价指标及处理软件 | 第27-28页 |
| 4.2.1 预测精度评价 | 第27-28页 |
| 4.2.2 数据处理软件 | 第28页 |
| 4.3 案例研究与实证分析 | 第28-36页 |
| 4.3.1 直接预测方法 | 第29-30页 |
| 4.3.2 混合预测模型 | 第30-33页 |
| 4.3.3 降雨气温为变量的预测 | 第33-36页 |
| 4.4 结论 | 第36-38页 |
| 第五章 日均径流实证分析 | 第38-47页 |
| 5.1 数据信息 | 第38页 |
| 5.2 评价指标 | 第38页 |
| 5.3 实验设计过程 | 第38-46页 |
| 5.3.1 数据模拟 | 第39页 |
| 5.3.2 结果比较 | 第39-42页 |
| 5.3.3 COM模型用于1月份的详细比较 | 第42-44页 |
| 5.3.4 COM模型用于四个季度的研究 | 第44-46页 |
| 5.4 结论 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望及不足 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54页 |
