基于BP网络的径流预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究意义及背景 | 第10-11页 |
| 1.2 径流预测现状和趋势 | 第11-12页 |
| 1.3 基于人工神经网络的径流预测可行性分析 | 第12-13页 |
| 1.4 基于人工神经网络的径流预测国内外研究现状 | 第13-14页 |
| 1.5 主要研究内容 | 第14-15页 |
| 1.6 文章组织结构 | 第15-16页 |
| 第二章 人工神经网络算法及遗传算法 | 第16-28页 |
| 2.1 人工神经网络 | 第16-18页 |
| 2.1.1 人工神经网络的产生与发展 | 第16-17页 |
| 2.1.2 人工神经网络拓扑结构 | 第17-18页 |
| 2.1.3 人工神经网络运行方式 | 第18页 |
| 2.2 BP神经网络 | 第18-22页 |
| 2.2.1 BP网络的结构 | 第19页 |
| 2.2.2 BP网络设计步骤 | 第19-21页 |
| 2.2.3 BP网络设计要素 | 第21-22页 |
| 2.3 遗传算法 | 第22-26页 |
| 2.3.1 遗传算法概述 | 第22-23页 |
| 2.3.2 遗传算法理论基础 | 第23页 |
| 2.3.3 遗传算法的特点 | 第23-24页 |
| 2.3.4 遗传算法构成要素 | 第24-26页 |
| 2.4 遗传算法的应用步骤 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于BP网络的预报模型 | 第28-38页 |
| 3.1 BP神经网络建模 | 第28-33页 |
| 3.1.1 典型BP网络的学习原则及训练过程 | 第28-31页 |
| 3.1.2 BP网络的不足 | 第31-32页 |
| 3.1.3 BP网络改进措施 | 第32-33页 |
| 3.2 BP网络与GA算法结合可行性分析 | 第33页 |
| 3.3 基于GA-BP网络建模 | 第33-36页 |
| 3.3.1 初始化种群及设定参数 | 第33-34页 |
| 3.3.2 建立适应度函数 | 第34-35页 |
| 3.3.3 遗传操作 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于BP网络的径流预报模型 | 第38-52页 |
| 4.1 径流预报的关键问题 | 第38页 |
| 4.2 径流预测的BP模型 | 第38-45页 |
| 4.2.1 BP模型的建立 | 第38-42页 |
| 4.2.2 BP模型预报结果分析 | 第42-45页 |
| 4.3 径流预测的GA-BP模型 | 第45-49页 |
| 4.3.1 改进GA-BP模型的建立 | 第45-46页 |
| 4.3.2 改进GA-BP模型预报结果分析 | 第46-49页 |
| 4.4 综合分析 | 第49页 |
| 4.5 本章小结 | 第49-52页 |
| 第五章 径流预测系统 | 第52-64页 |
| 5.1 综合信息管理系统需求分析 | 第52-53页 |
| 5.2 综合信息管理系统 | 第53-56页 |
| 5.2.1 系统构建原则 | 第53页 |
| 5.2.2 系统功能架构 | 第53-54页 |
| 5.2.3 综合管理系统框架 | 第54-55页 |
| 5.2.4 综合管理系统网络拓扑结构 | 第55-56页 |
| 5.3 ASP.NET MVC框架 | 第56-58页 |
| 5.3.1 MVC构架原理 | 第56-57页 |
| 5.3.2 ASP.NET中MVC的实现 | 第57-58页 |
| 5.4 综合信息管理系统测试 | 第58-60页 |
| 5.5 径流预报算法在.NET平台中实现 | 第60-63页 |
| 5.5.1 算法在.NET平台实现方式 | 第61页 |
| 5.5.2 算法文件的生成 | 第61-62页 |
| 5.5.3 算法在.NET平台实现中遇到的问题 | 第62-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录A：攻读硕士学位期间的科研成果 | 第72-74页 |
| 附录B：文中用到的相关数据 | 第74-80页 |
| 附录C：BP算法及GA-BP算法部分程序 | 第80-83页 |
