| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10-11页 |
| ·赤潮的研究现状及发展趋势 | 第11-13页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12页 |
| ·赤潮研究的发展趋势 | 第12-13页 |
| ·人工神经网络的发展与应用 | 第13-15页 |
| ·课题来源和研究意义 | 第15-16页 |
| ·课题来源 | 第15页 |
| ·研究意义 | 第15-16页 |
| ·主要研究内容 | 第16-18页 |
| 第2章 赤潮的成因及其预报 | 第18-26页 |
| ·赤潮的成因和发生特点 | 第18-19页 |
| ·赤潮的成因 | 第18-19页 |
| ·赤潮的发生特点 | 第19页 |
| ·赤潮的类型 | 第19-20页 |
| ·赤潮毒素 | 第20页 |
| ·赤潮的危害 | 第20-21页 |
| ·赤潮发生的判断依据 | 第21-23页 |
| ·赤潮的预报方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 人工神经网络的理论基础 | 第26-41页 |
| ·神经元网络 | 第26-32页 |
| ·神经元模型 | 第26-27页 |
| ·激活函数 | 第27-28页 |
| ·人工神经网络的结构 | 第28-30页 |
| ·神经网络的学习 | 第30-32页 |
| ·神经网络的基本特征 | 第32页 |
| ·BP 神经网络 | 第32-40页 |
| ·BP 神经网络的结构 | 第33页 |
| ·误差逆传播算法 | 第33-36页 |
| ·BP 神经网络的学习过程 | 第36-38页 |
| ·BP 神经网络的固有缺陷和改进方法 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于人工神经网络的赤潮预报建模研究 | 第41-56页 |
| ·人工神经网络应用于赤潮预报的可行性分析 | 第41-42页 |
| ·赤潮预报模型各种理化因子的选取 | 第42-44页 |
| ·BP 神经网络模型的设计 | 第44-48页 |
| ·隐含层数目的选择 | 第44-45页 |
| ·隐含层单元数的确定 | 第45页 |
| ·每层传递函数的确定 | 第45-46页 |
| ·初始值的选取 | 第46页 |
| ·BP 神经网络的学习和训练 | 第46-48页 |
| ·BP 神经网络在MATLAB 中的实现 | 第48-55页 |
| ·MATLAB 神经网络工具箱的简介 | 第48-49页 |
| ·运用MATLAB 神经网络工具箱设计网络 | 第49-53页 |
| ·仿真训练程序的编制 | 第53页 |
| ·BP 神经网络模型的仿真实验结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 遗传算法与BP 算法相结合的神经网络赤潮预报建模的研究 | 第56-73页 |
| ·遗传算法与 BP 算法相结合的提出 | 第56-58页 |
| ·BP 神经网络的局限性 | 第56-57页 |
| ·遗传算法与BP 算法相结合的可行性分析 | 第57-58页 |
| ·遗传算法 | 第58-63页 |
| ·遗传算法的思想背景 | 第58-59页 |
| ·遗传算法的实现步骤 | 第59-60页 |
| ·遗传算法的基本要素与特点 | 第60-63页 |
| ·遗传算法的理论基础 | 第63页 |
| ·GA-BP 算法神经网络的设计 | 第63-68页 |
| ·GA-BP 算法神经网络结构 | 第63-64页 |
| ·GA-BP 相结合的算法 | 第64-65页 |
| ·GA-BP 算法神经网络的实现 | 第65-68页 |
| ·基于 GA-BP 算法的网络模型的仿真实验及其结果 | 第68-72页 |
| ·GA-BP 算法网络模型的仿真实验 | 第68-69页 |
| ·仿真实验结果 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 个人简介 | 第82页 |