卷积神经网络在气象短临预报的研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外相关研究 | 第11-14页 |
| 1.3 本文研究内容及完成工作 | 第14页 |
| 1.4 本文的组织结构 | 第14-17页 |
| 第二章 神经网络相关技术介绍 | 第17-35页 |
| 2.1 神经网络概述 | 第17-23页 |
| 2.1.1 多层感知机 | 第17-19页 |
| 2.1.2 反向传播算法 | 第19-23页 |
| 2.1.3 监督学习和无监督学习 | 第23页 |
| 2.2 卷积神经网络 | 第23-28页 |
| 2.2.1 卷积层 | 第24-25页 |
| 2.2.2 池化层 | 第25-26页 |
| 2.2.3 卷积神经网络的前向传播 | 第26页 |
| 2.2.4 卷积神经网络的反向传播 | 第26-28页 |
| 2.3 循环神经网络 | 第28-29页 |
| 2.4 长短期记忆网络 | 第29-32页 |
| 2.4.1 LSTM的拓扑结构 | 第29-31页 |
| 2.4.2 LSTM的三个门的操作 | 第31-32页 |
| 2.5 过拟合和欠拟合 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 基于神经网络的短临降水预测方法 | 第35-45页 |
| 3.1 ConvLSTM | 第35-38页 |
| 3.2 GRU介绍 | 第38-39页 |
| 3.3 ConvGRU | 第39-40页 |
| 3.4 VGGNet | 第40-42页 |
| 3.5 数据预处理 | 第42-43页 |
| 3.5.1 数据归一化 | 第42-43页 |
| 3.5.2 PCA/ZCA白化 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 实验结果与分析 | 第45-58页 |
| 4.1 实验平台搭建 | 第45-47页 |
| 4.1.1 TensorFlow介绍 | 第45-46页 |
| 4.1.2 TensorFlow的优点 | 第46页 |
| 4.1.3 TensorFlow的编程模型 | 第46-47页 |
| 4.1.4 Keras介绍 | 第47页 |
| 4.2 数据集的制作 | 第47-49页 |
| 4.2.1 移动图形数据集 | 第47-48页 |
| 4.2.2 雷达回波数据集 | 第48-49页 |
| 4.3 实验结果评估与分析 | 第49-56页 |
| 4.4 具体案例分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |
