粒子群优化算法在气象信息预测建模中的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·研究的主要内容 | 第14-15页 |
| ·本文结构安排 | 第15-18页 |
| 第二章 粒子群算法的分析及研究 | 第18-28页 |
| ·粒子群优化算法简介 | 第18-21页 |
| ·粒子群算法的起源 | 第18-19页 |
| ·粒子群算法的原理 | 第19-20页 |
| ·粒子群算法常用参数的设定 | 第20-21页 |
| ·粒子群算法的相关分析 | 第21-23页 |
| ·粒子群算法的实现 | 第21-22页 |
| ·粒子群算法的常用模式 | 第22-23页 |
| ·典型的改进PSO算法 | 第23-27页 |
| ·具有权值的PSO算法 | 第23-24页 |
| ·量子粒子群优化算法(QPSO) | 第24页 |
| ·具有收缩变量的粒子群优化算法(KPSO) | 第24-25页 |
| ·杂交粒子群优化算法(HPSO) | 第25-26页 |
| ·基于领域算子的粒子群算法 | 第26-27页 |
| ·PSO算法与遗传算法的比较 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 改进PSO算法的BP预测模型 | 第28-38页 |
| ·人工神经网络 | 第28-33页 |
| ·人工神经网络相关原理 | 第28-30页 |
| ·人工神经网络模型 | 第30-31页 |
| ·BP神经网络及其不足 | 第31-33页 |
| ·改进权值函数的PSO算法 | 第33-35页 |
| ·固定权重 | 第33页 |
| ·时变权重 | 第33-34页 |
| ·改进的惯性权重函数 | 第34-35页 |
| ·改进粒子群算法的BP模型 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 K-means在气象数据中的运用 | 第38-46页 |
| ·聚类算法的概述 | 第38-40页 |
| ·气象数据聚类处理 | 第40-44页 |
| ·主要气象信息分析 | 第40-41页 |
| ·气象数据聚类时初始点的选取 | 第41-43页 |
| ·气象数据聚类处理 | 第43-44页 |
| ·本章总结 | 第44-46页 |
| 第五章 基于IPSOBP框架的气象数据的预测 | 第46-58页 |
| ·气象信息的预测 | 第46-48页 |
| ·基于主成分的数据预处理 | 第48-51页 |
| ·实验预测结果 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文与取得的研究成果 | 第66页 |
