优化BP算法的永安江总磷预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 论文研究背景及意义 | 第10-12页 |
| 1.2 国内外发展现状 | 第12-15页 |
| 1.3 论文研究的主要内容 | 第15页 |
| 1.4 论文结构 | 第15-18页 |
| 第二章 BP算法预测研究 | 第18-32页 |
| 2.1 BP神经网络 | 第18-23页 |
| 2.1.1 人工神经网络简介 | 第18-20页 |
| 2.1.2 BP神经网络介绍 | 第20-21页 |
| 2.1.3 BP神经网络的基本原理 | 第21-23页 |
| 2.2 BP神经网络改进 | 第23-30页 |
| 2.2.1 附加动量法 | 第23-24页 |
| 2.2.2 自适应学习速率 | 第24页 |
| 2.2.3 BP神经网络预测模型性能分析 | 第24-30页 |
| 2.2.4 BP神经网络局限性 | 第30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 改进GA算法对BP神经网络预测模型的优化 | 第32-46页 |
| 3.1 遗传算法 | 第32-35页 |
| 3.1.1 遗传算法的概念 | 第32-33页 |
| 3.1.2 遗传算法的基本理论 | 第33页 |
| 3.1.3 遗传算法步骤 | 第33-34页 |
| 3.1.4 遗传算法优点与局限性 | 第34-35页 |
| 3.2 改进遗传算法 | 第35-39页 |
| 3.2.1 编码方式 | 第36页 |
| 3.2.2 改进交叉算子 | 第36-38页 |
| 3.2.3 改进变异算子 | 第38-39页 |
| 3.3 改进GA算法性能测试 | 第39-41页 |
| 3.4 改进GA算法优化BP神经网络 | 第41-44页 |
| 3.4.1 改进GA算法优化BP网络的概述 | 第42页 |
| 3.4.2 改进GA算法优化BP网络的流程 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 改进PSO算法对BP网络预测模型的优化 | 第46-62页 |
| 4.1 粒子群算法 | 第46-50页 |
| 4.1.1 粒子群算法概述 | 第46-47页 |
| 4.1.2 粒子群算法基本原理 | 第47-48页 |
| 4.1.3 粒子群算法流程 | 第48-50页 |
| 4.1.4 粒子群算法优缺点 | 第50页 |
| 4.2 改进PSO算法 | 第50-56页 |
| 4.2.1 加速学习因子的优化 | 第51页 |
| 4.2.2 惯性系数的优化 | 第51-52页 |
| 4.2.3 改进算法流程 | 第52-54页 |
| 4.2.4 改进PSO算法性能测试 | 第54-56页 |
| 4.2.4.1 惯性系数性能测试 | 第54-55页 |
| 4.2.4.2 改进算法收敛性能测试 | 第55-56页 |
| 4.3 改进PSO算法优化BP算法 | 第56-60页 |
| 4.3.1 改进PSO算法优化BP网络的概述 | 第56-57页 |
| 4.3.2 改进PSO算法优化BP网络的流程 | 第57-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 优化BP算法在永安江中的水质预测 | 第62-74页 |
| 5.1 模型构建与测试 | 第62-67页 |
| 5.2 具体应用实例 | 第67-72页 |
| 5.3 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 附录A (攻读学位期间学术成果) | 第84-86页 |
| 附录B (核心程序) | 第86-94页 |
