| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 大气光学湍流强度的研究进展 | 第11-13页 |
| 1.3 目前存在的问题及研究内容 | 第13页 |
| 1.4 章节安排 | 第13-16页 |
| 第2章 湍流的基本理论 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 湍流的基本特征 | 第16-18页 |
| 2.3 泰勒假设 | 第18页 |
| 2.4 湍流的统计描述 | 第18-22页 |
| 2.5 局地均匀各向同性湍流理论 | 第22-24页 |
| 2.6 湍流中的结构函数和谱函数 | 第24-26页 |
| 2.7 大气折射率结构常数 | 第26-28页 |
| 2.8 Monin-Obukhov相似理论 | 第28-30页 |
| 2.9 本章小结 | 第30-32页 |
| 第3章 人工神经网络及支持向量机 | 第32-46页 |
| 3.1 后向传播算法理论介绍 | 第32-34页 |
| 3.2 支持向量机基础 | 第34-45页 |
| 3.2.1 统计学习理论 | 第34-35页 |
| 3.2.2 回归问题的传统解决方式 | 第35-36页 |
| 3.2.3 支持向量机 | 第36-44页 |
| 3.2.4 支持向量机的进一步讨论 | 第44-45页 |
| 3.3 本章总结 | 第45-46页 |
| 第4章 成都地区模式结果及统计分析 | 第46-56页 |
| 4.1 实验仪器说明 | 第46-49页 |
| 4.2 数据说明和预处理 | 第49-50页 |
| 4.3 结果分析与讨论 | 第50-55页 |
| 4.3.1 BP神经网络模型的预报结果 | 第51页 |
| 4.3.2 BP神经网络模型预报结果的统计分析 | 第51-52页 |
| 4.3.3 支持向量机模型的预报结果 | 第52-53页 |
| 4.3.4 支持向量机预报结果的统计分析 | 第53-54页 |
| 4.3.5 讨论 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 德令哈地区模式结果及统计分析 | 第56-64页 |
| 5.1 实验仪器及观测系统 | 第56页 |
| 5.2 实验数据预处理与模型建立 | 第56-57页 |
| 5.3 结果分析与讨论 | 第57-62页 |
| 5.3.1 BP模型的预报结果 | 第57-59页 |
| 5.3.2 BP模型的统计结果分析 | 第59-60页 |
| 5.3.3 SVR模型德令哈地区的预测结果 | 第60-61页 |
| 5.3.4 SVR模型预报大气光学湍流强度C_n~2的统计分析 | 第61-62页 |
| 5.3.5 讨论 | 第62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第74页 |