| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-17页 |
| ·用神经网络对雷达资料进行临近预报的可行性、重要性及必要性 | 第9-12页 |
| ·降水临近预报的重要性 | 第9-10页 |
| ·雷达定量测量降水及临近预报的优越性及局限性 | 第10-11页 |
| ·进行研究的可行性 | 第11-12页 |
| ·国内外的研究进展状况 | 第12-15页 |
| ·研究数据来源、内容、目的和创新点 | 第15页 |
| ·章节安排 | 第15-17页 |
| 第二章 人工神经网络和支持向量机简介 | 第17-27页 |
| ·神经网络的简要发展史 | 第18页 |
| ·神经网络的概念及其特点 | 第18-20页 |
| ·人工神经网络模型 | 第20-21页 |
| ·支持向量机简介 | 第21-27页 |
| 第三章 雷达定量测量降水的理论分析 | 第27-33页 |
| ·雷达定量测量降水的基本原理 | 第27页 |
| ·雷达定量测量降水方法简介 | 第27-29页 |
| ·雷达定量测量降水的错误来源 | 第29-30页 |
| ·Z-I 关系法理论分析 | 第30-31页 |
| ·几种常用的 Z－I 关系简介 | 第31-33页 |
| 第四章 人工神经网络在雷达定量测量降水中的应用 | 第33-45页 |
| ·运用人工神经网络和支持向量机网络定量测量降水的主要思路及流程 | 第33页 |
| ·网络介绍 | 第33-35页 |
| ·径向基函数（RBF） | 第33-34页 |
| ·广义回归神经网络（GRNN） | 第34-35页 |
| ·后向传播神经网络（BPNN） | 第35页 |
| ·资料来源和处理方法 | 第35-38页 |
| ·效果比较分析 | 第38-43页 |
| ·总结 | 第43-45页 |
| 第五章 人工神经网络和支持向量机在雷达反射率因子预报中的应用 | 第45-63页 |
| ·运用人工神经网络和支持向量机网络预报雷达回波强度的主要思路及流程 | 第45页 |
| ·数据来源和研究方法 | 第45-48页 |
| ·资料说明 | 第45-46页 |
| ·雷达资料预处理 | 第46页 |
| ·TREC 算法简介 | 第46-47页 |
| ·评价网络训练指标 | 第47页 |
| ·临近预报效果评价方法 | 第47-48页 |
| ·个例及统计结果分析 | 第48-61页 |
| ·个例选择 | 第48-49页 |
| ·网络的训练 | 第49页 |
| ·强度预报与实况比较 | 第49页 |
| ·个例分析 | 第49-52页 |
| ·评价效果统计分析 | 第52-61页 |
| ·结论和讨论 | 第61-63页 |
| 第六章 主要结论和讨论 | 第63-65页 |
| ·主要结论 | 第63页 |
| ·讨论和展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
