小波神经网络模型及其在水文水资源中的应用
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第10-14页 |
| ·立题依据 | 第10页 |
| ·水文水资源现状及其发展趋势 | 第10-11页 |
| ·研究目的及研究意义 | 第11-12页 |
| ·立题思想和内容安排 | 第12-13页 |
| ·基本技术路线 | 第13-14页 |
| 2 小波神经网络概述 | 第14-32页 |
| ·人工神经网络 | 第14-19页 |
| ·人工神经网络的发展历程 | 第14-15页 |
| ·人工神经网络模型的特点 | 第15-16页 |
| ·人工神经网络的基本原理 | 第16-17页 |
| ·人工神经网络的拓扑结构 | 第17-18页 |
| ·人工神经网络模型的分类 | 第18页 |
| ·人工神经网络的应用领域 | 第18-19页 |
| ·小波分析 | 第19-28页 |
| ·小波分析的发展历程 | 第19-20页 |
| ·小波分析的基本原理 | 第20-23页 |
| ·快速小波变换算法 | 第23-26页 |
| ·几种基本小波介绍 | 第26-27页 |
| ·小波分析的应用现状 | 第27-28页 |
| ·小波神经网络 | 第28-30页 |
| ·小波神经网络的兴起及发展现状 | 第28-29页 |
| ·人工神经网络与小波分析的耦合途径 | 第29页 |
| ·小波神经网络在水文水资源应用中的现状 | 第29-30页 |
| ·本章小节 | 第30-32页 |
| 3 基于BP算法的小波神经网络模型及应用 | 第32-42页 |
| ·BP算法的基本原理 | 第32-35页 |
| ·BP算法的网络结构及模型 | 第32-34页 |
| ·BP算法的改进措施简介 | 第34-35页 |
| ·基于Morlet小波的BP网络模型 | 第35-36页 |
| ·水稻需水量预测的小波BP网络模型 | 第36-40页 |
| ·耦合模型的改进及运算步骤 | 第36-38页 |
| ·实例应用的基本资料 | 第38-39页 |
| ·耦合模型预测结果分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 4 基于PCNN的小波神经网络模型及应用 | 第42-58页 |
| ·脉冲耦合神经网络(PCNN)模型的基本原理 | 第42-46页 |
| ·PCNN模型的研究现状 | 第42-43页 |
| ·PCNN模型结构及工作原理 | 第43-46页 |
| ·PCNN模型的改进及应用 | 第46-49页 |
| ·水资源评价的PCNN模型 | 第46页 |
| ·改进的PCNN模型在水资源利用状况评价中的应用 | 第46-49页 |
| ·基于小波变换的PCNN模型原理 | 第49-50页 |
| ·降雨径流预测的小波PCNN模型 | 第50-56页 |
| ·小波变换——A Trous | 第50-51页 |
| ·应用实例 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 5 蚁群算法优化的小波神经网络及应用 | 第58-70页 |
| ·蚁群算法(ACA)概述 | 第58-63页 |
| ·蚁群算法的研究进展 | 第58-59页 |
| ·蚁群算法的基本原理 | 第59-60页 |
| ·蚁群算法的基本特性 | 第60页 |
| ·蚁群算法模型描述 | 第60-63页 |
| ·蚁群算法优化的小波神经网络模型 | 第63-65页 |
| ·基于蚁群算法的小波神经网络在水文水资源中应用 | 第65-69页 |
| ·应用实例的基本资料 | 第65-66页 |
| ·输入输出样本对的确定 | 第66-67页 |
| ·确定网络结构及网络参数 | 第67页 |
| ·预测结果分析 | 第67-68页 |
| ·结论 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 6 结论 | 第70-72页 |
| ·本课题的分析结论 | 第70页 |
| ·小波神经网络在实际应用中存在的不足 | 第70-71页 |
| ·小波神经网络在水文水资源应用中的前景展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82页 |
