基于粒子群算法及RBF神经网络技术的粮食产量预测方法
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与研究意义 | 第10-12页 |
| 1.3 国内外研究进展 | 第12-14页 |
| 第二章 粒子群优化算法理论 | 第14-22页 |
| 2.1 粒子群优化算法的起源 | 第14-15页 |
| 2.2 粒子群算法基本原理 | 第15-17页 |
| 2.3 粒子群优化算法的两种模式 | 第17-18页 |
| 2.4 粒子群算法的特点 | 第18-19页 |
| 2.5 粒子群算法的应用 | 第19-22页 |
| 第三章 RBF神经网络模型 | 第22-28页 |
| 3.1 RBF神经网络简介 | 第22页 |
| 3.2 RBF神经网络的基本原理 | 第22-24页 |
| 3.3 RBF神经网络的特点 | 第24-26页 |
| 3.4 RBF网络的应用 | 第26-28页 |
| 第四章 粒子群算法改进RBF神经网络预测粮食产量 | 第28-32页 |
| 第五章 仿真结果 | 第32-38页 |
| 5.1 实验样本选定与预处理 | 第32-35页 |
| 5.1.1 实验样本选定 | 第32-34页 |
| 5.1.2 数据预处理 | 第34-35页 |
| 5.2 RBF神经网络粮食产量预测 | 第35-38页 |
| 5.2.1 RBF神经网络模型设计 | 第35-36页 |
| 5.2.2 RBF神经网络训练 | 第36-38页 |
| 第六章 总结与展望 | 第38-40页 |
| 6.1 总结 | 第38页 |
| 6.2 展望 | 第38-40页 |
| 参考文献 | 第40-42页 |
| 附录 | 第42-54页 |
| 致谢 | 第54-55页 |
