| 致谢 | 第6-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 英文缩略列表 | 第15-18页 |
| 第1章 绪论 | 第18-28页 |
| 1.1 研究目的及意义 | 第18-19页 |
| 1.2 国内外研究进展 | 第19-26页 |
| 1.2.1 基于神经网络的ET_0预测 | 第19-21页 |
| 1.2.2 基于基因表达式编程的ET_0预测 | 第21页 |
| 1.2.3 基于自适应神经模糊推理系统的ET_0预测 | 第21-22页 |
| 1.2.4 基于支持向量机的ET_0预测 | 第22-23页 |
| 1.2.5 基于灰色关联的ET_0预测 | 第23页 |
| 1.2.6 基于时间序列的ET_0预测 | 第23-24页 |
| 1.2.7 基于投影寻踪回归的ET_0预测 | 第24-26页 |
| 1.3 研究内容和方法 | 第26页 |
| 1.4 技术路线 | 第26-28页 |
| 第2章 参考作物蒸发蒸腾量的计算方法比较研究 | 第28-44页 |
| 2.1 基本资料 | 第28页 |
| 2.2 参考作物蒸发蒸腾量的计算方法 | 第28-33页 |
| 2.2.1 Penman Monteith公式 | 第29-32页 |
| 2.2.2 Hargreaves公式及其修正公式 | 第32页 |
| 2.2.3 Irmark-Allen公式 | 第32页 |
| 2.2.4 Priestley-Taylor公式 | 第32页 |
| 2.2.5 Makkink公式 | 第32-33页 |
| 2.2.6 Turc公式 | 第33页 |
| 2.3 模型的评价指标 | 第33-34页 |
| 2.4 各种公式计算结果对比分析 | 第34-43页 |
| 2.4.1 FAO-PM公式与其他公式计算结果的线性回归分析 | 第34页 |
| 2.4.2 标准值与计算值之间的误差分析 | 第34-37页 |
| 2.4.3 各种公式在各地区适应性综合评价 | 第37-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于遗传算法优化的模糊C均值聚类的气象站聚类 | 第44-52页 |
| 3.1 模糊C均值聚类 | 第44-46页 |
| 3.2 遗传算法 | 第46-49页 |
| 3.3 基于遗传算法的模糊C均值聚类 | 第49-50页 |
| 3.4 气象站的聚类结果分析 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于GAMMA TEST的气象因素筛选 | 第52-62页 |
| 4.1 GAMMA TEST的理论基础 | 第52-55页 |
| 4.1.1 Gamma test的基本算法 | 第52-53页 |
| 4.1.2 Gamma test的应用 | 第53-55页 |
| 4.2 GAMMA TEST的有效性验证 | 第55-57页 |
| 4.3 基于GAMMA TEST的气象因素筛选 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 基于ELM模型的参考作物腾发量预测 | 第62-77页 |
| 5.1 ELM算法概述 | 第62-65页 |
| 5.2 ELM模型的训练以及验证 | 第65-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 创新点 | 第78页 |
| 6.3 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83-92页 |
| 作者简介 | 第92-93页 |
| 硕士期间参与的科研项目及成果 | 第93页 |
