基于灰色Elman神经网络的湖水水质指标预测研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-13页 |
| 1.2.1 湖水水质的评价 | 第10-11页 |
| 1.2.2 湖水水质的预测 | 第11-13页 |
| 1.3 研究目的 | 第13页 |
| 1.4 研究内容 | 第13-15页 |
| 第二章 改进的灰色神经网络模型的建立 | 第15-34页 |
| 2.1 灰色系统理论 | 第15-23页 |
| 2.1.1 灰色系统理论简介 | 第15-17页 |
| 2.1.2 GM(1,1)建模机理 | 第17-20页 |
| 2.1.3 GM(1,1)建模方法及步骤 | 第20-22页 |
| 2.1.4 灰色关联分析 | 第22-23页 |
| 2.2 人工神经网络系统理论 | 第23-33页 |
| 2.2.1 神经网络简介 | 第23-24页 |
| 2.2.2 人工神经元模型 | 第24-25页 |
| 2.2.3 人工神经元中的激活函数 | 第25-27页 |
| 2.2.4 人工神经网络网络结构 | 第27页 |
| 2.2.5 Elman神经网络 | 第27-28页 |
| 2.2.6 Elman神经网络的算法及原理 | 第28-30页 |
| 2.2.7 BP神经网络 | 第30-31页 |
| 2.2.8 BP神经网络算法原理 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 基于传统灰色Elman神经网络模型及应用 | 第34-48页 |
| 3.1 灰色与神经网络的组合模型 | 第34-36页 |
| 3.1.1 灰色与神经网络组合预测方法概述 | 第34-35页 |
| 3.1.2 传统灰色Elman神经网络的构建 | 第35-36页 |
| 3.2 原始数据 | 第36-37页 |
| 3.3 模型建模并预测 | 第37-47页 |
| 3.3.1 水质数据的灰色预测 | 第37-41页 |
| 3.3.2 传统灰色Elman神经网络预测 | 第41-42页 |
| 3.3.3 预测结果对比及分析 | 第42-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于改进灰色Elman神经网络模型及应用 | 第48-65页 |
| 4.1 改进型灰色Elman神经网络 | 第48-49页 |
| 4.2 原始数据 | 第49页 |
| 4.3 改进灰色Elman神经网络建模步骤 | 第49-50页 |
| 4.4 模型建模及预测 | 第50-64页 |
| 4.4.1 Elman神经网络预测 | 第50-51页 |
| 4.4.2 改进灰色Elman神经网络预测 | 第51-55页 |
| 4.4.3 预测结果对比及分析 | 第55-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 结论以及建议 | 第65-67页 |
| 5.1 结论 | 第65页 |
| 5.2 建议 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 发表论文和参加科研情况说明 | 第71-72页 |
| 致谢 | 第72-73页 |
