| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 相关算法理论介绍 | 第16-33页 |
| 2.1 人工神经网络基本原理 | 第17-19页 |
| 2.1.1 生物神经元模型 | 第17-18页 |
| 2.1.2 人工神经元模型 | 第18页 |
| 2.1.3 人工神经网络模型分类 | 第18-19页 |
| 2.2 三层前馈神经网络 | 第19-23页 |
| 2.2.1 BP神经网络基本原理及学习算法 | 第19-23页 |
| 2.2.2 BP神经网络缺陷 | 第23页 |
| 2.3 PSO算法概述 | 第23-27页 |
| 2.3.1 PSO算法思想的起源和研究背景 | 第23-24页 |
| 2.3.2 PSO算法的基本原理 | 第24-25页 |
| 2.3.3 标准的PSO算法 | 第25-26页 |
| 2.3.4 粒子群算法的基本流程 | 第26-27页 |
| 2.4 PSO算法参数的分析 | 第27-29页 |
| 2.5 PSO算法的研究现状 | 第29-32页 |
| 2.5.1 PSO改进算法的研究现状 | 第30-31页 |
| 2.5.2 PSO优化神经网络算法及应用研究现状 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 改进的PSO算法优化神经网络模型 | 第33-38页 |
| 3.1 改进的PSO算法基本思想及参数设置 | 第33-34页 |
| 3.2 基于改进的PSO算法优化神经网络模型 | 第34-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 算法仿真 | 第38-47页 |
| 4.1 函数及实验参数设置 | 第38-39页 |
| 4.2 仿真结果分析 | 第39-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 算法应用 | 第47-60页 |
| 5.1 应用实例之一：径流预测 | 第47-52页 |
| 5.1.1 径流数据资料来源 | 第47页 |
| 5.1.2 运行环境及参数的选择 | 第47页 |
| 5.1.3 基于改进的PSO算法优化神经网络模型的径流水位预报及结果分析 | 第47-52页 |
| 5.2 应用实例之二：降水预测 | 第52-59页 |
| 5.2.1 降水资料来源及特征 | 第52页 |
| 5.2.2 预报因子提取 | 第52-53页 |
| 5.2.3 基于改进的PSO算法优化神经网络模型的月降水预报及结果分析 | 第53-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |