基于改进RBF网络的潮汐预报系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景 | 第10-11页 |
| 1.2 课题研究的意义 | 第11-12页 |
| 1.3 论文的主要工作 | 第12页 |
| 1.4 论文的组织与安排 | 第12-14页 |
| 第2章 常用潮汐预测方法综述 | 第14-22页 |
| 2.1 潮汐调和分析 | 第14-16页 |
| 2.1.1 潮汐调和分析方法研究现状 | 第14-15页 |
| 2.1.2 潮汐调和分析原理和计算 | 第15-16页 |
| 2.1.3 调和分析的局限性 | 第16页 |
| 2.2 BP神经网络预测方法 | 第16-21页 |
| 2.2.1 BP神经网络在潮汐预测中的研究现状 | 第16-18页 |
| 2.2.2 BP神经网络的模型和结构 | 第18-21页 |
| 2.2.3 BP神经网络预测算法的局限性 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 RBF神经网络预测算法 | 第22-30页 |
| 3.1 RBF神经网络介绍 | 第22-27页 |
| 3.1.1 RBF神经网络算法简介 | 第22页 |
| 3.1.2 RBF神经网络的结构 | 第22-24页 |
| 3.1.3 RBF神经网络的特点 | 第24-27页 |
| 3.2 RBF神经网络相对BP神经网络的优势 | 第27-28页 |
| 3.3 RBF神经网络预测模型建立 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 粒子群优化的RBF神经网络 | 第30-40页 |
| 4.1 RBF神经网络所面临的问题 | 第30页 |
| 4.2 粒子群优化算法简介 | 第30页 |
| 4.3 粒子群算法描述 | 第30-32页 |
| 4.4 粒子群优化RBF网络 | 第32-34页 |
| 4.5 算法设计与仿真对比 | 第34-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 潮汐预测系统的设计与实现 | 第40-59页 |
| 5.1 系统需求分析 | 第40页 |
| 5.2 系统总体设计 | 第40-41页 |
| 5.3 系统可行性分析 | 第41页 |
| 5.4 系统模块设计与实现 | 第41-54页 |
| 5.4.1 登录模块设计与实现 | 第44-47页 |
| 5.4.2 潮汐预测模块设计与实现 | 第47-49页 |
| 5.4.3 参数查询模块设计与实现 | 第49-53页 |
| 5.4.4 留言板以及新闻模块设计与实现 | 第53-54页 |
| 5.5 数据库模块设计与实现 | 第54-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
