| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 数据预处理方法的研究现状 | 第13-14页 |
| 1.2.2 需水预测方法的研究现状 | 第14-16页 |
| 1.3 本文的主要研究内容及创新点 | 第16-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 创新点 | 第17页 |
| 1.4 技术路线 | 第17-21页 |
| 第2章 数据预处理 | 第21-31页 |
| 2.1 校园时用水数据特征 | 第21页 |
| 2.2 空缺异常值的处理 | 第21-24页 |
| 2.2.1 异常值的识别和修正处理 | 第22-23页 |
| 2.2.2 缺失数据的补充 | 第23-24页 |
| 2.3 集合经验模态分解(EEMD) | 第24-30页 |
| 2.3.1 EEMD过程 | 第24-27页 |
| 2.3.2 EEMD分解用水数据 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 优化的Elman神经网络 | 第31-42页 |
| 3.1 Elman神经网络模型 | 第31-35页 |
| 3.1.1 数学模型 | 第31-32页 |
| 3.1.2 学习算法 | 第32-33页 |
| 3.1.3 Elman神经网络的训练流程 | 第33-34页 |
| 3.1.4 Elman神经网络与BP神经网络预测结果比较 | 第34-35页 |
| 3.2 遗传算法 | 第35-38页 |
| 3.2.1 遗传算法原理 | 第35-37页 |
| 3.2.2 遗传算法实现流程图 | 第37-38页 |
| 3.3 遗传算法优化Elman神经网络 | 第38-41页 |
| 3.3.1 遗传算法优化Elman神经网络的步骤 | 第38-40页 |
| 3.3.2 遗传算法优化Elman神经网络流程图 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 优化的Elman神经网络建模及需水预测 | 第42-51页 |
| 4.1 输入数据的归一化处理 | 第42页 |
| 4.2 改进模型的构建 | 第42-46页 |
| 4.2.1 Elman神经网络的输入输出设置 | 第42-43页 |
| 4.2.2 参数设置 | 第43-44页 |
| 4.2.3 网络训练 | 第44-46页 |
| 4.3 需水预测 | 第46-50页 |
| 4.3.1 滚动预测 | 第46-47页 |
| 4.3.2 预测结果分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者简介 | 第57-58页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第58-59页 |