| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 引言 | 第8-14页 |
| ·用神经网络对雷达资料进行降水类型分类的可行性、重要性及必要性 | 第8-11页 |
| ·测量降水的重要性 | 第8-9页 |
| ·雷达测量降水的优越性和局限性 | 第9-10页 |
| ·进行研究的必要性和可行性 | 第10-11页 |
| ·国内外的研究进展状况 | 第11-12页 |
| ·本论文研究的目的、主要内容和创新点 | 第12-14页 |
| ·研究目的 | 第12页 |
| ·主要研究内容 | 第12-13页 |
| ·主要创新点 | 第13-14页 |
| 第二章 人工神经网络技术简介 | 第14-24页 |
| ·神经网络的简要发展史 | 第14-15页 |
| ·神经网络的概念及其特点 | 第15-16页 |
| ·神经网络模型 | 第16-20页 |
| ·神经元结构模型 | 第16-18页 |
| ·神经网络的互连模式 | 第18-20页 |
| ·Back-Propagation 算法 | 第20-24页 |
| ·BP 算法的提出及其特点 | 第20-21页 |
| ·BP 算法的拓扑结构 | 第21页 |
| ·BP 算法的神经网络实现 | 第21-24页 |
| 第三章 雷达定量测量降水的理论分析 | 第24-29页 |
| ·雷达定量测量降水的理论基础 | 第24页 |
| ·雷达定量测量降水方法概述 | 第24-26页 |
| ·Z-I 关系法 | 第26-29页 |
| ·Z-I 关系法理论分析 | 第26-28页 |
| ·几种常用的Z-I 关系法 | 第28-29页 |
| 第四章 用B-P网络对雷达资料进行降水类型的区分 | 第29-37页 |
| ·运用BP 网络进行分类的主要思路和流程 | 第29页 |
| ·降水类型分类的原理 | 第29-31页 |
| ·论文所用BP 网络的设计过程 | 第31-36页 |
| ·资料 | 第31-32页 |
| ·训练集和检验集的建立 | 第32-33页 |
| ·网络结构的设计 | 第33-35页 |
| ·参数的选择 | 第35页 |
| ·训练集样本的输入顺序对网络性能的影响 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第五章 已训练成的网络在一次降水过程中的应用 | 第37-51页 |
| ·降水过程的介绍 | 第37-38页 |
| ·资料 | 第38页 |
| ·训练完成的神经网络在此降水过程中的应用 | 第38-50页 |
| ·BP 网络对对流性降水回波的识别 | 第38-44页 |
| ·BP 网络对混合性降水回波的识别 | 第44-50页 |
| ·小结 | 第50-51页 |
| 第六章 总结与讨论 | 第51-54页 |
| ·论文的主要研究结论 | 第51-52页 |
| ·神经网络对雷达资料进行降水类型的分类所存在的一些问题 | 第52页 |
| ·尚待进一步研究的问题 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 个人简介 | 第59页 |