| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-12页 |
| ·基于神经网络的城市日用水量预测综述 | 第6-8页 |
| ·城市日用水量预测的发展历程 | 第6-7页 |
| ·基于神经网络的城市日用水量方法研究现状 | 第7-8页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·课题的研究背景 | 第8页 |
| ·课题的研究意义 | 第8-9页 |
| ·课题的研究思路与内容 | 第9-10页 |
| ·课题的创新点和难点 | 第10-12页 |
| ·课题的创新点 | 第10页 |
| ·课题的难点 | 第10-12页 |
| 第二章 BP神经网络算法概述 | 第12-22页 |
| ·人工神经网络的模型结构 | 第12-13页 |
| ·BP神经网络原理和模型 | 第13-15页 |
| ·BP神经网络的基本原理 | 第13-14页 |
| ·BP神经网络的模型 | 第14-15页 |
| ·BP神经网络学习算法 | 第15-19页 |
| ·BP算法的理解 | 第15-19页 |
| ·BP算法程序流程图 | 第19页 |
| ·BP算法的特点 | 第19-22页 |
| ·BP算法的优点 | 第19-20页 |
| ·BP算法的局限性 | 第20-22页 |
| 第三章 互信息理论 | 第22-30页 |
| ·信息熵 | 第22-24页 |
| ·联合熵和条件熵 | 第23页 |
| ·相对熵 | 第23-24页 |
| ·互信息 | 第24-29页 |
| ·熵与互信息的关系 | 第25页 |
| ·互信息量的度量方法 | 第25-26页 |
| ·互信息量的概率密度函数估计方法 | 第26-29页 |
| ·互信息在数据预处理中的应用 | 第29-30页 |
| 第四章 融入和声搜索的微粒群算法 | 第30-42页 |
| ·微粒群算法基本原理 | 第30-32页 |
| ·融入和声搜索的微粒群算法 | 第32-35页 |
| ·和声搜索算法 | 第32-34页 |
| ·融入和声搜索算法的微粒群算法原理 | 第34页 |
| ·算法流程图 | 第34-35页 |
| ·函数优化测试 | 第35-40页 |
| ·检验函数 | 第35-38页 |
| ·实验结果 | 第38-40页 |
| ·HSPSO优化BP神经网络算法的权值的理论方法 | 第40页 |
| ·融入和声搜索的微粒群算法优化神经网络模型预测流程 | 第40-42页 |
| 第五章 优化的神经网络城市日用水量预测模型 | 第42-58页 |
| ·数据收集与预处理 | 第42-45页 |
| ·背景介绍 | 第42-44页 |
| ·数据来源 | 第44-45页 |
| ·网络模型结构和参数 | 第45-48页 |
| ·网络输入输出层的确定 | 第45-47页 |
| ·网络隐层点的确定 | 第47-48页 |
| ·神经网络模型的搭建 | 第48-56页 |
| ·建模 | 第48-50页 |
| ·检验 | 第50-52页 |
| ·模型评价与分析 | 第52-56页 |
| ·乌鲁木齐红雁池水厂区域日用水量预测及误差分析 | 第56-58页 |
| ·预测结果 | 第56页 |
| ·误差分析与结论 | 第56-58页 |
| 第六章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文 | 第62-64页 |