人工神经网络在水文实时校正中应用的探索
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-7页 |
| 前言 | 第7-8页 |
| 第一章 水文实时校正的意义 | 第8-11页 |
| 第二章 人工神经网络基础知识 | 第11-38页 |
| 2．1 人工神经网络 | 第11页 |
| 2．2 神经网络发展概况 | 第11-12页 |
| 2．3 主要神经网络模型与应用范围 | 第12-14页 |
| 2．4 人工神经网络基本概念 | 第14-17页 |
| 2．5 前馈神经网络 | 第17-32页 |
| 2．5．1 感知器网络 | 第17-19页 |
| 2．5．2 BP网络 | 第19-32页 |
| 2．6 人工神经网络的学习规则 | 第32-38页 |
| 第三章 当前最常用实时校正技术简介 | 第38-58页 |
| 3．1 关于“实时”的概念 | 第38-40页 |
| 3．2 实时校正原理 | 第40-41页 |
| 3．3 常用的实时校正方法 | 第41-56页 |
| 3．3．1 时变参数法 | 第41-42页 |
| 3．3．2 卡尔曼滤波 | 第42-49页 |
| 3．3．3 实测流量代入法 | 第49页 |
| 3．3．4 误差预测法 | 第49-50页 |
| 3．3．5 模型参数动态识别法 | 第50-51页 |
| 3．3．6 实际工作中摸索的方法 | 第51-56页 |
| 3．4 实时校正的原理、方法小结 | 第56-58页 |
| 第四章 人工神经网络的水文预报实时校正 | 第58-84页 |
| 4．1 引言 | 第58页 |
| 4．2 人工神经网络在水文水资源学科中的应用 | 第58-59页 |
| 4．3 人工神经网络在水文校正中的应用及分析成果 | 第59-81页 |
| 4．3．1 清江流域简况 | 第59-60页 |
| 4．3．2 技术路线与思路 | 第60-62页 |
| 4．3．3 对比校正 | 第62-75页 |
| 4．3．4 趋势校正 | 第75-81页 |
| 4．4 结论和建议 | 第81-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-89页 |
| 声明 | 第89页 |
