| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 1 引言 | 第12-16页 |
| ·立题依据 | 第12页 |
| ·研究背景和课题研究意义 | 第12-13页 |
| ·优化研究基础 | 第13-14页 |
| ·邻域函数与局部搜索 | 第13-14页 |
| ·全局搜索 | 第14页 |
| ·论文研究的主要内容 | 第14-15页 |
| ·技术路线 | 第15-16页 |
| 2 小波神经网络理论基础概述 | 第16-25页 |
| ·人工神经网络简介 | 第16-21页 |
| ·人工神经网络的发展历程 | 第16-17页 |
| ·人工神经网络基本神经元模型 | 第17-18页 |
| ·人工神经网络激活函数 | 第18页 |
| ·人工神经元网络模型 | 第18-19页 |
| ·神经元网络的学习过程 | 第19-20页 |
| ·人工神经网络的优缺点 | 第20-21页 |
| ·小波分析理论简介 | 第21-24页 |
| ·小波分析的发展历程 | 第21页 |
| ·小波分析的应用现状 | 第21页 |
| ·小波分析基本原理 | 第21-22页 |
| ·小波变换的定义 | 第22-23页 |
| ·几种常用的基小波 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 小波神经网络 | 第25-33页 |
| ·小波神经网络的发展历程及现状 | 第25-26页 |
| ·小波神经网络的发展历程 | 第25-26页 |
| ·小波神经网络的应用现状 | 第26页 |
| ·小波神经网络的结构 | 第26-29页 |
| ·小波神经网络的结构分类 | 第26-28页 |
| ·小波神经网络的结构特点 | 第28-29页 |
| ·小波神经网络的参数优化问题 | 第29-32页 |
| ·需要优化的原因 | 第29-30页 |
| ·优化方法概述 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于粒子群优化算法的小波神经网络模型及其应用 | 第33-45页 |
| ·粒子群算法简介 | 第33-36页 |
| ·粒子群算法的发展历程 | 第33页 |
| ·粒子群算法原理 | 第33-35页 |
| ·粒子群算法流程 | 第35-36页 |
| ·基于粒子群优化算法的小波神经网络模型（PSO-WNN）结构及原理 | 第36-38页 |
| ·PSO-WNN 模型的应用 | 第38-44页 |
| ·PSO-WNN 模型在水稻需水量研究中的应用 | 第38-40页 |
| ·PSO-WNN 模型在地下水动态变化趋势研究中的应用 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 5 基于遗传算法的小波神经网络模型及其应用 | 第45-59页 |
| ·遗传算法简介 | 第45-48页 |
| ·遗传算法发展历程 | 第45页 |
| ·遗传算法原理 | 第45-48页 |
| ·基于遗传算法的小波神经网络模型（GA-WNN）结构及原理 | 第48-50页 |
| ·GA-WNN 模型的应用 | 第50-57页 |
| ·GA-WNN 模型在工程管理绩效评估中的应用 | 第50-54页 |
| ·GA-WNN 模型在河流年径流预测中的应用 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·进一步研究方向及展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |
