灌溉用水量预测方法的研究--以铁甲灌区为例
| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-21页 |
| ·本课题研究的目的和意义 | 第14-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·用水量预测的研究进展 | 第15-16页 |
| ·水资源需求预测方法的分类 | 第16-17页 |
| ·灌溉用水量预测方法的研究进展 | 第17-19页 |
| ·研究目标和主要内容 | 第19-21页 |
| ·研究目标 | 第19-20页 |
| ·主要内容 | 第20-21页 |
| 第二章 时间序列预测法在灌溉用水量预测中的应用 | 第21-30页 |
| ·时间序列预测法 | 第21-23页 |
| ·时间序列分析法的发展和简介 | 第21-22页 |
| ·时间序列预测法的分类 | 第22-23页 |
| ·平稳时间序列预测法 | 第23-25页 |
| ·平稳时间序列的定义及性质 | 第23-24页 |
| ·平稳时间序列预测的步骤 | 第24-25页 |
| ·实例分析 | 第25-29页 |
| ·铁甲灌区概况 | 第25-26页 |
| ·时间序列的实例应用 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 神经网络方法在灌溉用水量预测中的应用 | 第30-49页 |
| ·人工神经网络简介 | 第30页 |
| ·神经网络的发展 | 第30-31页 |
| ·初期阶段 | 第30页 |
| ·停滞期 | 第30-31页 |
| ·黄金时期 | 第31页 |
| ·BP神经网络模型的结构与算法描述 | 第31-34页 |
| ·BP神经网络预测模型的结构设计 | 第34-36页 |
| ·模型层数 | 第34页 |
| ·网络节点数 | 第34页 |
| ·初始权值选取 | 第34-35页 |
| ·功能函数 | 第35页 |
| ·学习速率的选择 | 第35页 |
| ·期望误差 | 第35页 |
| ·迭代次数 | 第35-36页 |
| ·面向MATLAB的BP神经网络的设计 | 第36-37页 |
| ·BP神经网络模型的初始化 | 第36页 |
| ·BP神经网络模型的训练 | 第36页 |
| ·BP神经网络的仿真 | 第36-37页 |
| ·BP神经网络模型的训练结果分析 | 第37页 |
| ·BP网络模型的实例预测 | 第37-41页 |
| ·BP神经网络模型的设计 | 第37-38页 |
| ·应用实例 | 第38-41页 |
| ·RBF神经网络的应用 | 第41-48页 |
| ·RBF神经网络的结构 | 第42页 |
| ·RBF函数神经网络的学习过程 | 第42-43页 |
| ·RBF网络的设计 | 第43-44页 |
| ·RBF网络的实例应用 | 第44-45页 |
| ·广义回归神经网络 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 灰色模型在灌溉用水量预测中的应用 | 第49-58页 |
| ·灰色系统简介 | 第49-50页 |
| ·灰色模型(GM)的建模机理 | 第49-50页 |
| ·灰色预测法的种类 | 第50页 |
| ·灰色模型建模方法和步骤 | 第50-52页 |
| ·数据的预处理 | 第50-51页 |
| ·灰色模型的建模过程 | 第51-52页 |
| ·模型识别检验 | 第52-53页 |
| ·残差检验 | 第52页 |
| ·后验差检验 | 第52-53页 |
| ·关联度检验 | 第53页 |
| ·实例应用 | 第53-54页 |
| ·建立 GM(1，1)模型 | 第53-54页 |
| ·检验模型 | 第54页 |
| ·残差修正模型 | 第54-56页 |
| ·残差修正模型的建立 | 第54-55页 |
| ·残差修正模型的检验 | 第55-56页 |
| ·灰色等维新息模型 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 灰色神经网络方法在灌溉用水量预测中的应用 | 第58-71页 |
| ·人工神经网络和灰色预测方法的互补性 | 第58-59页 |
| ·灰色神经网络的分类 | 第59-63页 |
| ·并联型灰色神经网络(PGNN) | 第59-62页 |
| ·串联型灰色神经网络(SGNN) | 第62-63页 |
| ·嵌入型灰色神经网络(IGNN) | 第63页 |
| ·串联型灰色神经网络(SGNN)的应用 | 第63-65页 |
| ·SGNN预测模型的步骤 | 第63-64页 |
| ·SGNN预测模型的实例 | 第64-65页 |
| ·嵌入型灰色神经网络(IGNN)的应用 | 第65-67页 |
| ·IGNN预测模型的步骤 | 第65-66页 |
| ·IGNN预测模型的实例 | 第66-67页 |
| ·并联型灰色神经网络(PGNN)的应用 | 第67-70页 |
| ·PGNN预测模型的步骤 | 第67-68页 |
| ·PGNN预测模型的实例 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 结论及展望 | 第71-74页 |
| ·结论 | 第71-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80页 |
