基于灰色—BP神经网络模型的淮河水污染预测
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-16页 |
| ·论文的选题背景及研究意义 | 第8-9页 |
| ·论文的选题背景 | 第8页 |
| ·论文的研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-12页 |
| ·模型、观测站点及水质监测指标的选取依据 | 第12-14页 |
| ·模型的选取依据 | 第12页 |
| ·观测站点的选取依据 | 第12-13页 |
| ·水质监测指标的选取依据 | 第13-14页 |
| ·论文组织 | 第14-15页 |
| ·论文的创新之处 | 第15-16页 |
| 2 基于灰色模型的淮河水污染预测 | 第16-23页 |
| ·灰色系统理论概论 | 第16页 |
| ·灰色系统序列 | 第16-17页 |
| ·冲击扰动系统 | 第16-17页 |
| ·累加生成算子 | 第17页 |
| ·GM(1,1)模型 | 第17-18页 |
| ·GM(1,1)模型的建立 | 第18页 |
| ·GM(1,1)模型预测的精度检验 | 第18页 |
| ·淮河水质监测项目的GM(1,1)模型分析 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于BP 神经网络模型的淮河水污染预测 | 第23-34页 |
| ·人工神经网络概论 | 第23-25页 |
| ·人工神经网络的产生 | 第23页 |
| ·人工神经元的工作机理 | 第23页 |
| ·人工神经网络的基本构成 | 第23-25页 |
| ·人工神经网络的特性 | 第25页 |
| ·BP 神经网络模型 | 第25-26页 |
| ·淮河水质监测项目的BP 神经网络模型分析 | 第26-33页 |
| ·样本监测数据的预处理 | 第26-29页 |
| ·BP 神经网络拓扑结构的确定 | 第29-30页 |
| ·BP 神经网络的训练 | 第30-31页 |
| ·BP 神经网络模型的预测结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于灰色-BP 神经网络模型的淮河水污染预测 | 第34-44页 |
| ·灰色-BP 神经网络模型的提出 | 第34页 |
| ·灰色-BP 神经网络模型的建模思想 | 第34页 |
| ·灰色-BP 神经网络模型的建模方法 | 第34-35页 |
| ·淮河水质监测项目的灰色-BP 神经网络模型分析 | 第35-39页 |
| ·三种模型预测结果的对比 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 5 结论 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录 | 第48-59页 |
| 致谢 | 第59-60页 |
| 个人简介 | 第60页 |
| 读研期间发表的学术论文 | 第60页 |
