基于长短期记忆循环神经网络及其结构约减变体的中长期径流预报研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.3 本文主要研究内容及安排 | 第18-20页 |
| 2 神经网络体系与机器学习预报方法 | 第20-46页 |
| 2.1 机器学习基本概念 | 第20-25页 |
| 2.2 神经网络及支持向量回归机预报方法 | 第25-40页 |
| 2.3 Simple-LSTM | 第40-45页 |
| 2.4 本章小结 | 第45-46页 |
| 3 长江上游宜昌站中长期径流预报分析 | 第46-78页 |
| 3.1 三峡流域水文特性简介 | 第46-47页 |
| 3.2 中长期径流预报精度评定 | 第47-48页 |
| 3.3 基于LSTM及其变体的年径流预报模型 | 第48-67页 |
| 3.4 基于LSTM及其变体的月径流预报模型 | 第67-76页 |
| 3.5 本章小结 | 第76-78页 |
| 4 宜昌站中长期径流预报集成模块 | 第78-88页 |
| 4.1 系统总体功能结构 | 第78-79页 |
| 4.2 系统功能子模块 | 第79-81页 |
| 4.3 系统功能菜单介绍 | 第81-87页 |
| 4.4 本章小结 | 第87-88页 |
| 5 结束与展望 | 第88-90页 |
| 5.1 工作总结 | 第88页 |
| 5.2 下一步工作与展望 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
