| 第一部分 | 第1-8页 |
| 1 中文摘要 | 第4-6页 |
| 2 英文摘要 | 第6-8页 |
| 第二部分 | 第8-46页 |
| 1 引言 | 第8-11页 |
| ·研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究的思路和方法 | 第10-11页 |
| 2 遗传算法 | 第11-21页 |
| ·遗传算法的概述 | 第11-16页 |
| ·染色体的编码 | 第12页 |
| ·个体适应度的评价 | 第12-13页 |
| ·遗传操作 | 第13页 |
| ·遗传算法的一般流程 | 第13-14页 |
| ·遗传算法的形成与发展 | 第14-15页 |
| ·遗传算法的特点 | 第15页 |
| ·遗传算法的应用 | 第15-16页 |
| ·遗传算法的收敛性分析 | 第16-20页 |
| ·遗传算法的马尔可夫链模型 | 第17-19页 |
| ·非保留策略的齐次遗传算法强收敛的充分条件 | 第19-20页 |
| ·遗传算法面临的问题 | 第20-21页 |
| 3 神经网络 | 第21-32页 |
| ·神经网络的基本概念和基本原理 | 第21-23页 |
| ·神经网络的生物学启示 | 第21-22页 |
| ·人工神经元模型 | 第22-23页 |
| ·神经网络的结构与类型 | 第23页 |
| ·神经网络的发展和应用 | 第23-25页 |
| ·BP神经网络 | 第25-32页 |
| ·BP神经网络的结构 | 第25-26页 |
| ·BP神经网络的算法推导 | 第26-29页 |
| ·BP神经网络在实际应用中存在的问题 | 第29-32页 |
| 4 遗传算法优化BP神经网络的方法 | 第32-38页 |
| ·遗传算法和神经网络的结合 | 第32-33页 |
| ·神经网络连接权的进化 | 第32-33页 |
| ·神经网络结构的进化 | 第33页 |
| ·神经网络学习规则的进化 | 第33页 |
| ·基于遗传算法的BP神经网络 | 第33-38页 |
| 5 应用实例及其结果分析 | 第38-46页 |
| ·资料来源以及降水资料的统计特征 | 第38-39页 |
| ·预报因子的提取方法 | 第39-41页 |
| ·预报因子的筛选 | 第41页 |
| ·逐步回归预报模型和基于遗传算法的BP网络模型建的结果分析 | 第41-46页 |
| 第三部分 | 第46-57页 |
| 1 结束语 | 第46-48页 |
| 2 致 谢 | 第48-49页 |
| 3 参考文献 | 第49-53页 |
| 4 附 表 | 第53-57页 |