| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 调和分析法研究现状 | 第11-12页 |
| 1.2.2 人工神经网络及其在潮汐预报领域的研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 第2章 潮汐调和分析基本理论 | 第15-31页 |
| 2.1 潮汐的基本概念 | 第15-16页 |
| 2.2 潮汐静力学理论分析 | 第16-22页 |
| 2.2.1 天体引潮力 | 第16-19页 |
| 2.2.2 平衡潮理论 | 第19-22页 |
| 2.3 潮汐调和分析 | 第22-30页 |
| 2.3.1 实际潮汐的表示方法 | 第22-23页 |
| 2.3.2 潮汐观测数据的选取原则 | 第23-25页 |
| 2.3.3 潮汐观测数据的前期处理 | 第25-26页 |
| 2.3.4 调和常数的计算 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 BP神经网络潮汐预报模型 | 第31-52页 |
| 3.1 BP神经网络 | 第31-38页 |
| 3.1.1 BP神经网络的结构 | 第31-34页 |
| 3.1.2 BP神经网络的学习算法 | 第34-38页 |
| 3.2 BP神经网络潮汐预报模型的设计 | 第38-42页 |
| 3.2.1 基于BP神经网络的潮汐预报模型 | 第38-40页 |
| 3.2.2 BP神经网络的设计 | 第40-42页 |
| 3.3 仿真实验 | 第42-51页 |
| 3.3.1 实验条件 | 第42-43页 |
| 3.3.2 调和分析法预测结果及分析 | 第43-45页 |
| 3.3.3 BP神经网络直接预测结果及分析 | 第45-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于BP神经网络的模块化潮汐预报模型 | 第52-63页 |
| 4.1 模块化概念 | 第52-53页 |
| 4.2 基于BP神经网络的模块化潮汐预报模型的设计 | 第53-55页 |
| 4.3 仿真实验 | 第55-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-64页 |
| 5.1 全文总结 | 第63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间公开发表论文 | 第68-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72页 |