| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-16页 |
| ·问题的提出 | 第8-9页 |
| ·国内外研究状况 | 第9-14页 |
| ·治沙淤地的研究 | 第9-10页 |
| ·土壤成分测定的研究 | 第10页 |
| ·人工神经网络在水土工程中的应用 | 第10-13页 |
| ·遗传算法在水土工程中的应用 | 第13-14页 |
| ·论文研究的目标、内容、技术路线 | 第14-16页 |
| ·研究的意义 | 第14页 |
| ·论文研究的目标 | 第14-15页 |
| ·研究的内容 | 第15页 |
| ·论文的技术路线 | 第15-16页 |
| 2 人工神经网络基本理论回顾及算法研究 | 第16-36页 |
| ·问题的提出 | 第16页 |
| ·人工神经网络理论历史沿革概述 | 第16-17页 |
| ·生物神经元模型 | 第17-18页 |
| ·人工神经网络的构成 | 第18-21页 |
| ·人工神经元结构模型 | 第19-20页 |
| ·人工神经元功能函数 | 第20页 |
| ·人工神经网络连接的基本形式 | 第20-21页 |
| ·人工神经网络的学习算法概述 | 第21-27页 |
| ·Delta 学习算法 | 第22-23页 |
| ·Hebb 学习算法 | 第23页 |
| ·经典 BP 学习算法 | 第23-25页 |
| ·BP 学习算法的改进研究 | 第25-27页 |
| ·遗传算法 | 第27-33页 |
| ·遗传算法的发展 | 第27-28页 |
| ·遗传算法基本原理 | 第28页 |
| ·遗传算法基本流程 | 第28-29页 |
| ·遗传算法基本操作 | 第29-32页 |
| ·遗传算法参数选择 | 第32-33页 |
| ·遗传算法与 BP 网络相结合的算法 | 第33-36页 |
| ·引言 | 第33页 |
| ·采用 GA 优化 BP 网络权值的原理 | 第33-34页 |
| ·算法的实现 | 第34-36页 |
| 3 利用高含沙洪水治沙淤地的土壤养分、粒径分布特征研究 | 第36-47页 |
| ·研究地区的基本情况 | 第36-37页 |
| ·材料与方法 | 第37-39页 |
| ·土壤样品的采集 | 第37-38页 |
| ·土壤样品的分析与测定 | 第38-39页 |
| ·结果与分析 | 第39-45页 |
| ·原状风沙土养分、粒径分布特征 | 第39页 |
| ·新淤地土壤养分、粒径分布特征 | 第39-43页 |
| ·淤后耕地土壤养分、颗粒粒径分布特征 | 第43-44页 |
| ·引洪灌区表层土壤养分含量 | 第44-45页 |
| ·小结 | 第45-47页 |
| 4 利用高含沙洪水治沙淤地后土壤粒径与养分含量关系研究 | 第47-65页 |
| ·相关分析 | 第47-49页 |
| ·治沙淤地后土壤养分与粒径组成关系的网络模型的建立 | 第49-55页 |
| ·基于 BP 网络模型的建立 | 第49-50页 |
| ·改进的 BP 网络的设计 | 第50-51页 |
| ·基于遗传算法与 BP 网络结合算法网络模型的建立 | 第51-52页 |
| ·网络模型结果及分析 | 第52-55页 |
| ·利用逐步多元回归分析法建立数学模型 | 第55-60页 |
| ·逐步回归分析的主要思路 | 第55-56页 |
| ·逐步回归分析的主要计算步骤 | 第56-60页 |
| ·回归模型预测结果分析 | 第60页 |
| ·人工神经网络模型与逐步回归模型比较 | 第60-64页 |
| ·小结 | 第64-65页 |
| 5 结论与展望 | 第65-69页 |
| ·结论 | 第65-66页 |
| ·利用高含沙洪水治沙淤地后的土壤养分、粒径分布特征 | 第65页 |
| ·利用高含沙洪水治沙淤地后土壤粒径与养分含量的关系 | 第65-66页 |
| ·建立土壤养分含量拟合模型 | 第66页 |
| ·不足之处 | 第66-67页 |
| ·展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 作者简介 | 第76页 |
