基于人工神经网络的卷烟厂压缩空气产量预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪言 | 第9-12页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·主要研究内容及创新 | 第11-12页 |
| 第二章 理论概述 | 第12-31页 |
| ·人工神经网络概述 | 第12-16页 |
| ·生物神经元及人工神经元模型 | 第12-14页 |
| ·人工神经网络的结构及工作方式 | 第14-15页 |
| ·人工神经网络的学习及特点 | 第15-16页 |
| ·人工神经网络的研究内容及应用 | 第16页 |
| ·BP神经网络概述 | 第16-20页 |
| ·BP神经网络模型 | 第17-18页 |
| ·网络各层节点的输入输出关系 | 第18页 |
| ·BP学习算法 | 第18-19页 |
| ·BP神经网络训练过程 | 第19-20页 |
| ·遗传算法概述 | 第20-23页 |
| ·遗传算法的组成 | 第20-22页 |
| ·遗传算法实现流程 | 第22-23页 |
| ·粒子群优化算法概述 | 第23-26页 |
| ·粒子群算法的基本原理 | 第23-25页 |
| ·粒子群算法的参数设置 | 第25页 |
| ·粒子群算法的流程 | 第25-26页 |
| ·小波分析概述 | 第26-28页 |
| ·小波函数 | 第26-27页 |
| ·小波变换 | 第27页 |
| ·小波分解与重构 | 第27-28页 |
| ·组合预测模型概述 | 第28-31页 |
| ·组合预测模型及分类 | 第28页 |
| ·熵值法的基本原理 | 第28-29页 |
| ·熵值法计算步骤 | 第29-31页 |
| 第三章 数据特性分析与预处理 | 第31-41页 |
| ·产量序列特性分析 | 第31-34页 |
| ·影响产量的因素 | 第31-32页 |
| ·产量的周期性特征 | 第32-34页 |
| ·数据预处理 | 第34-39页 |
| ·产量数据的预处理 | 第34-39页 |
| ·日期类型的预处理 | 第39页 |
| ·预测误差分析 | 第39-41页 |
| 第四章 基于BP神经网络的短期产量预测 | 第41-47页 |
| ·BP神经网络预测模型的建立 | 第41-43页 |
| ·BP网络结构的确定 | 第41-42页 |
| ·隐层节点数目的确定 | 第42-43页 |
| ·预测结果及分析 | 第43-47页 |
| 第五章 基于优化算法的BP神经网络短期产量预测 | 第47-56页 |
| ·基于遗传算法的BP神经网络模型 | 第47-50页 |
| ·算法流程 | 第47-48页 |
| ·模型结构的确定 | 第48页 |
| ·预测结果及分析 | 第48-50页 |
| ·基于粒子群优化算法的BP神经网络模型 | 第50-54页 |
| ·算法流程 | 第50-52页 |
| ·模型结构的确定 | 第52页 |
| ·预测结果及分析 | 第52-54页 |
| ·BP、GABP与PSO-BP预测结果对比分析 | 第54-56页 |
| 第六章 基于小波分析的组合预测模型 | 第56-63页 |
| ·组合预测模型的建立 | 第56页 |
| ·数据序列的小波分解与重构 | 第56-58页 |
| ·熵值法确定权重系数 | 第58-60页 |
| ·预测结果及分析 | 第60-61页 |
| ·四种模型预测结果对比分析 | 第61-63页 |
| 第七章 结论与展望 | 第63-64页 |
| ·结论 | 第63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读硕士学位期间发表论文 | 第69-70页 |
| 附录B 原始数据序列 | 第70-76页 |
