BP神经网络在水文数据中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景 | 第11页 |
| ·国内外的研究现状 | 第11-14页 |
| ·神经网络在水文科学预测中的应用研究 | 第12-13页 |
| ·神经网络在水资源管理中的应用研究 | 第13页 |
| ·神经网络在水文科学评估中的应用研究 | 第13-14页 |
| ·本文研究内容和方法 | 第14-15页 |
| ·研究内容 | 第14页 |
| ·研究方法 | 第14-15页 |
| ·本文的创新点 | 第15-16页 |
| 2 神经网络概述 | 第16-25页 |
| ·人工神经网络理论发展史 | 第16-19页 |
| ·人工神经网络理论基础 | 第19-22页 |
| ·神经元模型 | 第19-20页 |
| ·感知器 | 第20-21页 |
| ·人工神经网络的结构特征 | 第21-22页 |
| ·人工神经网络的基本特征 | 第22页 |
| ·人工神经网络的训练法则 | 第22-25页 |
| ·感知器法则 | 第22-23页 |
| ·梯度下降和delta 法则 | 第23-25页 |
| 3 BP 神经网络及其算法 | 第25-30页 |
| ·BP 神经网络原理 | 第25-26页 |
| ·BP 网络的训练过程 | 第26-27页 |
| ·BP 算法的缺点 | 第27页 |
| ·BP 神经网络算法的改进及其发展 | 第27-30页 |
| ·标准梯度下降方向 | 第27-28页 |
| ·数值优化方向 | 第28-30页 |
| 4 BP 神经网络在水文站高程数据插补中的应用 | 第30-36页 |
| ·网络结构确定 | 第30-31页 |
| ·神经网络训练参数 | 第31-32页 |
| ·学习速率 | 第31-32页 |
| ·误差阈值 | 第32页 |
| ·迭代次数 | 第32页 |
| ·实验过程 | 第32-35页 |
| ·结果分析 | 第35页 |
| ·结论 | 第35-36页 |
| 5 神经网络在水文预测中的应用和改进研究 | 第36-48页 |
| ·BP 神经网络在河道流量预测中的应用 | 第36-40页 |
| ·研究意义 | 第36页 |
| ·实验数据说明 | 第36-37页 |
| ·网络模型建立 | 第37页 |
| ·训练过程 | 第37-39页 |
| ·训练结果分析 | 第39-40页 |
| ·BP 神经网络在河道水位预测中的应用 | 第40-48页 |
| ·实验数据说明 | 第40-41页 |
| ·前三组训练过程及其结果 | 第41-43页 |
| ·前三组训练结果分析 | 第43页 |
| ·加入降水量数据的网络拟合及其结果分析 | 第43-48页 |
| 6 总结和展望 | 第48-50页 |
| ·研究成果 | 第48页 |
| ·研究的不足和展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文 | 第54-55页 |
