| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究的目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9页 |
| ·本文的主要内容 | 第9-11页 |
| 第二章 泥石流预测常用方法 | 第11-24页 |
| ·多元统计分析——回归分析模型 | 第11-16页 |
| ·灰色系统预测模型——GM预测模型 | 第16-24页 |
| 第三章 BP神经网络模型 | 第24-29页 |
| ·生物神经元模型 | 第24-25页 |
| ·神经网络模型 | 第25-29页 |
| ·神经网络的基本特征、基本功能和基本性质 | 第25-26页 |
| ·神经网络的优点 | 第26-27页 |
| ·神经网络的研究方法 | 第27页 |
| ·神经网络模型常用的基函数和激活函数——以BP神经网络为主 | 第27-28页 |
| ·生物神经元模型与人工神经网络模型对比 | 第28-29页 |
| 第四章 泥石流预测的BP神经网络方法 | 第29-51页 |
| ·BP神经网络中常用算法 | 第29-34页 |
| ·BP神经网络模型在泥石流预测中的应用 | 第34-36页 |
| ·BP神经网络模型的不足 | 第36页 |
| ·BP神经网络中的参数模型 | 第36-43页 |
| ·隐层神经元个数与网络训练达到预设误差精度的收敛次数之间的关系模型 | 第37-39页 |
| ·网络训练学习率与网络训练达到预设误差精度的收敛次数之间的关系模型 | 第39-41页 |
| ·动量因子与网络训练达到预设误差精度的收敛次数之间的关系模型 | 第41-43页 |
| ·BP神经网络模型的改进 | 第43-46页 |
| ·BP神经网络中梯度下降算法的改进 | 第43-46页 |
| ·BP神经网络中Levenberg-Marquardt算法的改进 | 第46页 |
| ·改进后的BP神经网络模型在泥石流灾害预测中的应用 | 第46-51页 |
| ·改进后的梯度下降算法在泥石流预测中的应用 | 第47-49页 |
| ·改进后的Levenberg-Marquardt算法在泥石流预测中的应用 | 第49-51页 |
| 第五章 结束语 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录(附表) | 第56-68页 |
| 在校期间论文发表情况 | 第68-71页 |
| 致谢 | 第71-72页 |
