| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文的研究背景 | 第10页 |
| 1.2 课题的研究现状 | 第10-12页 |
| 1.2.1 天然气水合物形成条件预测方法研究现状 | 第10-11页 |
| 1.2.2 小波神经网络研究现状 | 第11-12页 |
| 1.2.3 遗传算法研究现状 | 第12页 |
| 1.3 论文的主要研究内容 | 第12-14页 |
| 第二章 小波变换理论 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 小波变换 | 第14-19页 |
| 2.2.1 连续小波变换 | 第14-16页 |
| 2.2.2 离散小波变换 | 第16页 |
| 2.2.3 常用的基本小波 | 第16-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 小波神经网络预测水合物生成条件 | 第20-39页 |
| 3.1 人工神经网络简介 | 第20页 |
| 3.2 人工神经网络模型 | 第20-25页 |
| 3.2.1 神经元的结构模型 | 第21页 |
| 3.2.2 常见人工神经网络激活函数 | 第21-23页 |
| 3.2.3 神经元的连接模式 | 第23页 |
| 3.2.4 人工神经网络学习规则 | 第23-25页 |
| 3.3 BP神经网络 | 第25-30页 |
| 3.3.1 BP神经网络概述 | 第25-26页 |
| 3.3.2 BP神经网络结构 | 第26页 |
| 3.3.3 BP神经网络的学习算法 | 第26-29页 |
| 3.3.4 BP神经网络改进 | 第29-30页 |
| 3.4 小波神经网络 | 第30-35页 |
| 3.4.1 小波神经网络的概述 | 第30-31页 |
| 3.4.2 小波神经网络结构 | 第31页 |
| 3.4.3 小波神经网络学习算法 | 第31-32页 |
| 3.4.4 小波神经网络构建 | 第32-34页 |
| 3.4.5 改进学习方式的小波神经网络 | 第34-35页 |
| 3.5 改进小波神经网络预测水合物生成条件 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 优化小波神经网络的遗传算法模型 | 第39-51页 |
| 4.1 遗传算法概述 | 第39-40页 |
| 4.2 遗传算法的基本操作 | 第40-42页 |
| 4.3 改进实数编码遗传算法模型构建 | 第42-47页 |
| 4.3.1 种群初始化 | 第43-45页 |
| 4.3.2 种群的选择策略 | 第45-46页 |
| 4.3.3 种群交叉策略 | 第46页 |
| 4.3.4 种群取代策略 | 第46-47页 |
| 4.4 改进实数编码遗传算法实验评估 | 第47-50页 |
| 4.4.1 使用Sphere函数评估 | 第47-48页 |
| 4.4.2 使用Schwefel函数评估 | 第48页 |
| 4.4.3 使用Rastrigin函数评估 | 第48-49页 |
| 4.4.4 使用Griewangk函数评估 | 第49-50页 |
| 4.4.5 实验评估结论 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 遗传小波神经网络预测水合物生成条件 | 第51-59页 |
| 5.1 遗传小波神经网络理论 | 第51页 |
| 5.2 遗传算法优化小波神经网络参数 | 第51-52页 |
| 5.3 遗传小波神经网络构建 | 第52-54页 |
| 5.4 遗传小波神经网络模型的流程 | 第54-56页 |
| 5.5 遗传小波神经网络和小波神经网络的实验评估 | 第56-58页 |
| 5.5.1 实验数据 | 第56页 |
| 5.5.2 遗传小波神经网络实验评估 | 第56-58页 |
| 5.5.3 小波神经网络模型和遗传小波神经网络模型比较 | 第58页 |
| 5.6 本章小结 | 第58-59页 |
| 总结和展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间取得的研究成果 | 第67-68页 |
| 附录 1 | 第68-71页 |