基于人工神经网络的渭河上游洪水预报研究
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-18页 |
| ·引言 | 第10页 |
| ·研究区概况 | 第10-12页 |
| ·洪水预报的国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·人工神经网络在洪水预报中的研究现状 | 第14-15页 |
| ·研究目的及方法 | 第15-18页 |
| ·目的及创新点 | 第15-16页 |
| ·研究的意义 | 第16页 |
| ·研究的主要内容 | 第16-17页 |
| ·文章的组织结构 | 第17-18页 |
| 第二章 人工神经网络及遗传算法 | 第18-29页 |
| ·人工神经网络概述 | 第18-19页 |
| ·人工神经网络的概念 | 第18页 |
| ·人工神经网络的发展历程 | 第18-19页 |
| ·人工神经网络的基础 | 第19-21页 |
| ·生物神经元 | 第20页 |
| ·人工神经元 | 第20-21页 |
| ·人工神经网络基本模型及工作方式 | 第21-23页 |
| ·人工神经网络的基本原理 | 第21-22页 |
| ·神经网络的工作方式 | 第22-23页 |
| ·激活函数及学习规则 | 第23-25页 |
| ·激活函数 | 第23-25页 |
| ·学习规则 | 第25页 |
| ·人工神经网络的分类及主要模型 | 第25-27页 |
| ·人工神经网络的分类 | 第25-27页 |
| ·常用模型 | 第27页 |
| ·遗传算法 | 第27-28页 |
| ·遗传算法的起源与发展 | 第27-28页 |
| ·遗传算法的基本术语 | 第28页 |
| ·遗传算法的求解过程 | 第28页 |
| ·小结 | 第28-29页 |
| 第三章 BP神经网络模型的研究 | 第29-39页 |
| ·BP神经网络模型 | 第29-34页 |
| ·误差指数 | 第31页 |
| ·偏导数的计算 | 第31-33页 |
| ·敏感性的反向传播 | 第33-34页 |
| ·BP建模的几点注意 | 第34-35页 |
| ·BP模型的缺点及模型的改进 | 第35-38页 |
| ·BP模型的缺点 | 第35页 |
| ·BP模型的变形 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第四章 BP神经网络在洪水预报中的应用 | 第39-64页 |
| ·基本的BP模型的建立 | 第39-41页 |
| ·输入输出数据的选择 | 第39-40页 |
| ·BP模型的参数选择 | 第40-41页 |
| ·基本的BP模型在洪水预报中的应用 | 第41-63页 |
| ·数据预处理 | 第41-43页 |
| ·仿真结果的精度评定 | 第43-44页 |
| ·基于A模型的神经网络应用 | 第44-50页 |
| ·基于B模型的神经网络应用 | 第50-56页 |
| ·基于C模型的神经网络应用 | 第56-62页 |
| ·综合分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于改进BP模型的洪水预报 | 第64-88页 |
| ·模型拟合与泛化能力的矛盾 | 第64页 |
| ·改进模型的建立 | 第64-66页 |
| ·遗传算法优化BP模型的可行性 | 第64-65页 |
| ·GA-BPLM模型的建立 | 第65-66页 |
| ·GA-BPBR模型的建立 | 第66页 |
| ·利用改进后的BP模型进行预测 | 第66-83页 |
| ·改进模型在A模型下的应用 | 第66-74页 |
| ·改进模型在B模型的应用 | 第74-82页 |
| ·模型结果对比 | 第82-83页 |
| ·延长预见期的洪水预报 | 第83-87页 |
| ·预报期24小时 | 第83-87页 |
| ·其他预报期 | 第87页 |
| ·小结 | 第87-88页 |
| 第六章 总结与展望 | 第88-90页 |
| ·总结 | 第88页 |
| ·展望 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 附录 | 第96-105页 |
| 在学期间的研究成果 | 第105-106页 |
| 致谢 | 第106页 |
