基于神经网络技术的地球自转变化预报
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 英文缩写 | 第8-10页 |
| 目录 | 第10-11页 |
| 第一章 前言 | 第11-15页 |
| 第二章 地球自转理论和研究进展 | 第15-29页 |
| ·地球自转 | 第15-22页 |
| ·地球自转参数的测定 | 第22-23页 |
| ·地球自转变化激发的研究 | 第23-27页 |
| ·本文工作重点 | 第27-29页 |
| 第三章 人工神经网络 | 第29-53页 |
| ·人工神经网络理论 | 第29-32页 |
| ·人工神经网络和传统计算方法的比较 | 第32-33页 |
| ·误差反向传播网络及其优化 | 第33-50页 |
| ·本文采用的BP网络算法流程 | 第50-53页 |
| 第四章 地球自转速率变化的预报 | 第53-71页 |
| ·直接采用LOD序列作预报 | 第53-59页 |
| ·联合LOD和大气角动量序列作预报 | 第59-64页 |
| ·地球自转速率变化的实时快速预报 | 第64-71页 |
| 第五章 地极运动的预报 | 第71-83页 |
| ·直接采用极移序列作预报 | 第71-76页 |
| ·联合极移和大气角动量序列作预报 | 第76-83页 |
| 第六章 ENSO事件预报 | 第83-103页 |
| ·EI Nino/南方涛动(ENSO) | 第83-85页 |
| ·数据来源及预处理 | 第85页 |
| ·建模与预报 | 第85-87页 |
| ·结果与分析 | 第87-103页 |
| 第七章 总结与展望 | 第103-105页 |
| ·本论文的主要结果和创新之处 | 第103-104页 |
| ·今后工作的展望 | 第104-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-115页 |
| 攻读博士学位期间发表的论文 | 第115-117页 |
| 简历 | 第117页 |
