基于BP神经网络的城市地下水水位预测
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一篇 课题介绍及相关理论知识 | 第6-22页 |
| 第一章 课题介绍 | 第6-8页 |
| 1．1 课题的主要目标和内容 | 第6页 |
| 1．2 课题的目的和意义 | 第6-7页 |
| 1．3 预测系统的工作原理 | 第7页 |
| 1．4 论文的组织 | 第7-8页 |
| 第二章 人工神经网络 | 第8-17页 |
| 2．1 人工神经网络的发展与应用 | 第8-10页 |
| 2．2 人工神经元模型 | 第10-12页 |
| 2．3 网络结构及工作方式 | 第12-13页 |
| 2．4 NN的学习 | 第13-17页 |
| 第三章 模式识别 | 第17-21页 |
| 3．1 模式识别系统 | 第17-19页 |
| 3．2 人工神经网络在模式识别中的应用 | 第19-21页 |
| 第四章 城市地下水资源 | 第21-22页 |
| 第二篇 系统实现及实验分析 | 第22-46页 |
| 第一章 BP网络概述 | 第22-33页 |
| 1．1 两层网络的缺点 | 第22-23页 |
| 1．2 多层前馈网络的计算能力及函数逼近 | 第23页 |
| 1．3 BP网络概述 | 第23-25页 |
| 1．4 多层网络BP算法的模拟程序 | 第25-29页 |
| 1．5 改进BP算法收敛速度的措施 | 第29-33页 |
| 第二章 异或问题的求解 | 第33-36页 |
| 2．1 两个隐含单元的求解及局部最小 | 第33-34页 |
| 2．2 调参实验 | 第34-36页 |
| 第三章 单个影响因素的预测实验 | 第36-39页 |
| 3．1 实验数据的选取 | 第36页 |
| 3．2 网络模型的建立 | 第36-37页 |
| 3．3 网络模型的预测 | 第37-38页 |
| 3．4 预测结果对比 | 第38-39页 |
| 第四章 三个影响因素的预测实验 | 第39-42页 |
| 4．1 实验数据的选取 | 第39页 |
| 4．2 网络模型的建立 | 第39-41页 |
| 4．3 回归方程的建立 | 第41页 |
| 4．4 预测结果对比 | 第41-42页 |
| 第五章 实验总结 | 第42-46页 |
| 结束语 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录A 三层神经网络BP算法学习程序 | 第51-62页 |
| 附录B 三层神经网络BP算法网络验证程序 | 第62-66页 |
