| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 模糊逻辑系统的国内外研究现状 | 第9页 |
| 1.2.2 神经网络的国内外研究现状 | 第9-10页 |
| 1.2.3 模糊神经网络的国内外研究现状 | 第10-11页 |
| 1.3 研究内容方法及组织结构 | 第11-14页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 研究方法 | 第12页 |
| 1.3.3 论文组织结构 | 第12-14页 |
| 第二章 模糊神经网络理论基础 | 第14-30页 |
| 2.1 模糊理论基础 | 第14-16页 |
| 2.1.1 模糊集的定义与隶属度函数 | 第14-15页 |
| 2.1.2 模糊集的基本性质 | 第15-16页 |
| 2.2 模糊逻辑与神经网络 | 第16-22页 |
| 2.2.1 模糊逻辑 | 第16-17页 |
| 2.2.2 模糊逻辑系统 | 第17-18页 |
| 2.2.3 神经网络 | 第18-21页 |
| 2.2.4 模糊逻辑与神经网络对比 | 第21-22页 |
| 2.3 模糊神经网络 | 第22-25页 |
| 2.3.1 模糊神经网络的概念 | 第22-23页 |
| 2.3.2 几种基本的模糊神经元 | 第23-24页 |
| 2.3.3 模糊神经网络结构 | 第24-25页 |
| 2.4 Takagi-Sugeno模糊神经网络 | 第25-29页 |
| 2.4.1 Takagi-Sugeno模糊逻辑 | 第25-26页 |
| 2.4.2 Takagi-Sugeno型模糊神经网络模型 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 改进模糊神经网络的规则层 | 第30-46页 |
| 3.1 改进规则层的聚类思想 | 第30-32页 |
| 3.1.1 规则层中模糊神经元的原理 | 第30-31页 |
| 3.1.2 规则层的改进思路 | 第31-32页 |
| 3.2 聚类分析的概述 | 第32-34页 |
| 3.3 基于K-means法的规则层的改进 | 第34-37页 |
| 3.3.1 K-means法对规则层聚类分析 | 第36-37页 |
| 3.4 基于模糊聚类分析的规则层的改进 | 第37-44页 |
| 3.4.1 模糊聚类分析步骤 | 第38-43页 |
| 3.4.2 模糊聚类分析法对规则层的聚类 | 第43-44页 |
| 3.5 模糊聚类法与K-means法的比较 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 改进模糊神经网络预测长江水位 | 第46-57页 |
| 4.1 预测长江水位的意义 | 第46页 |
| 4.2 预测模型的建立 | 第46-49页 |
| 4.2.1 输入量的确定 | 第46-47页 |
| 4.2.2 隶属度函数的确定 | 第47-49页 |
| 4.3 预测模型的训练结果与对比分析 | 第49-56页 |
| 4.3.1 传统T-S型模糊神经网络的实验结果 | 第50-52页 |
| 4.3.2 改进T-S型模糊神经神经网络的实验结果 | 第52-54页 |
| 4.3.3 改进的模糊神经网络对小数据量的预测 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A 规则层找到模糊等价矩阵在MATLAB中的代码 | 第64-66页 |
| 附录B 用于预测光伏发电量的规则层隶属度数值 | 第66-67页 |
| 附录C 长江南京段2011～2016年间的每日水位值 | 第67-72页 |
