| 摘要 | 第3-6页 |
| abstract | 第6-9页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题的研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 相关研究现状 | 第14-19页 |
| 1.2.1 林火预测研究现状 | 第15-18页 |
| 1.2.2 林火气象空间插值研究现状 | 第18-19页 |
| 1.3 论文结构安排及主要工作 | 第19-22页 |
| 第二章 相关理论概述 | 第22-32页 |
| 2.1 人工神经网络 | 第22-23页 |
| 2.2 BP神经网络 | 第23-27页 |
| 2.2.1 BP神经网络的结构 | 第23-24页 |
| 2.2.2 BP神经网络的算法 | 第24-26页 |
| 2.2.3 BP神经网络的应用局限性分析 | 第26-27页 |
| 2.3 果蝇优化算法 | 第27-30页 |
| 2.3.1 算法的基本原理 | 第27-28页 |
| 2.3.2 FOA的寻优步骤 | 第28-29页 |
| 2.3.3 FOA的优势与限制 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 BP神经网络与果蝇优化算法的改进 | 第32-46页 |
| 3.1 BP网络结构的改进 | 第32-36页 |
| 3.1.1 改进思路 | 第33-34页 |
| 3.1.2 基于直连BP神经网络的预测实例 | 第34-36页 |
| 3.2 果蝇优化算法的改进 | 第36-41页 |
| 3.2.1 改进思路 | 第37-38页 |
| 3.2.2 标准测试函数对比分析 | 第38-41页 |
| 3.3 IFOA优化神经网络 | 第41-45页 |
| 3.3.1 IFOA优化神经网络的步骤 | 第41-43页 |
| 3.3.2 基于IFOA优化BPNN-DIOC的预测实例 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于IFOA-BPNN-DIOC的林火发生预测研究 | 第46-54页 |
| 4.1 研究区域自然概况 | 第46页 |
| 4.2 气象因子与林火发生的相关性分析 | 第46-48页 |
| 4.3 基于IFOA-BPNN-DIOC网络的林火发生预测模型 | 第48-53页 |
| 4.3.1 输入输出神经元的选取 | 第48-49页 |
| 4.3.2 隐含层神经元的选取 | 第49-50页 |
| 4.3.3 仿真结果及分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于IFOA-BPNN-DIOC的火险气象空间插值研究 | 第54-66页 |
| 5.1 森林火险气象指数系统 | 第55-57页 |
| 5.1.1 FWI系统原理 | 第55-56页 |
| 5.1.2 FWI系统指数描述 | 第56-57页 |
| 5.2 研究数据与分析 | 第57-59页 |
| 5.2.1 数据的获取 | 第57页 |
| 5.2.2 数据的选取与分析 | 第57-59页 |
| 5.3 基于IFOA-BPNN-DIOC的气温空间插值研究 | 第59-64页 |
| 5.3.1 基于IFOA-BPNN-DIOC的气温空间插值建模 | 第59-60页 |
| 5.3.2 结果与分析 | 第60-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76页 |
