基于神经网络的安徽省粮食产量组合预测研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 问题的提出 | 第9页 |
| 1.2 论文研究的目的和意义 | 第9-10页 |
| 1.3 国内外的研究现状 | 第10-13页 |
| 1.3.1 国内外组合研究现状 | 第10-11页 |
| 1.3.2 国内外有关粮食产量研究的实例 | 第11-13页 |
| 1.4 论文内容及结构安排 | 第13-15页 |
| 1.4.1 论文内容 | 第13页 |
| 1.4.2 结构安排 | 第13-15页 |
| 2 神经网络基本理论 | 第15-25页 |
| 2.1 神经网络概述 | 第15页 |
| 2.2 神经网络发展史 | 第15-16页 |
| 2.3 神经网络应用 | 第16-17页 |
| 2.4 神经网络特性 | 第17-18页 |
| 2.5 神经元模型 | 第18-20页 |
| 2.6 神经网络学习 | 第20-22页 |
| 2.6.1 神经网络学习方式 | 第20-21页 |
| 2.6.2 神经网络学习算法 | 第21-22页 |
| 2.7 神经网络结构 | 第22-24页 |
| 2.8 本章小结 | 第24-25页 |
| 3 预测建模与数据准备 | 第25-28页 |
| 3.1 预测建模 | 第25页 |
| 3.1.1 粮食预测模型训练模块 | 第25页 |
| 3.1.2 粮食预测模型测试模块 | 第25页 |
| 3.2 数据准备 | 第25-27页 |
| 3.2.1 数据选择 | 第25-26页 |
| 3.2.2 数据归一化 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 基于神经网络的粮食产量预测模型研究 | 第28-46页 |
| 4.1 BP神经网络 | 第28-35页 |
| 4.1.1 BP神经网络理论 | 第28-31页 |
| 4.1.2 BP神经网络设计 | 第31-33页 |
| 4.1.3 BP神经网络预测 | 第33-35页 |
| 4.2 RBF神经网络 | 第35-40页 |
| 4.2.1 RBF神经网络理论 | 第35-38页 |
| 4.2.2 RBF神经网络设计 | 第38页 |
| 4.2.3 RBF神经网络预测 | 第38-40页 |
| 4.3 GRNN神经网络 | 第40-45页 |
| 4.3.1 GRNN神经网络理论 | 第40-42页 |
| 4.3.2 GRNN神经网络设计 | 第42-43页 |
| 4.3.3 GRNN神经网络预测 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 基于IOWA算子粮食产量组合预测 | 第46-54页 |
| 5.1 组合预测概述 | 第46-47页 |
| 5.2 基于IOWA算子粮食产量预测模型 | 第47-49页 |
| 5.2.1 IOWA算子的概念和性质 | 第47页 |
| 5.2.2 IOWA算子的组合模型 | 第47-49页 |
| 5.3 未来预测 | 第49-50页 |
| 5.4 模型评价 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-63页 |
| 致谢 | 第63-64页 |
| 个人简介 | 第64页 |
