| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及选题意义 | 第7-10页 |
| 1.2 本文的主要内容 | 第10-12页 |
| 第二章 人工神经网络的理论基础 | 第12-21页 |
| 2.1 人工神经网络的简介 | 第12-17页 |
| 2.1.1 神经网络的发展及应用 | 第12-13页 |
| 2.1.2 人工神经网络模型 | 第13-15页 |
| 2.1.3 人工神经网络的训练和学习规则 | 第15-17页 |
| 2.2 Elman神经网络 | 第17-21页 |
| 2.2.1 Elman神经网络结构 | 第17-18页 |
| 2.2.2 Elman神经网络的学习算法 | 第18-21页 |
| 第三章 两种混合神经网络的理论基础及算法原理 | 第21-31页 |
| 3.1 遗传神经网络 | 第21-25页 |
| 3.1.1 遗传算法简介 | 第21-23页 |
| 3.1.2 遗传神经网络原理 | 第23-25页 |
| 3.2 粒子群神经网络 | 第25-31页 |
| 3.2.1 粒子群优化算法简介 | 第25-28页 |
| 3.2.2 粒子群神经网络原理 | 第28-31页 |
| 第四章 基于混合神经网络的短期风速预测 | 第31-42页 |
| 4.1 问题背景 | 第31-32页 |
| 4.2 Elman网络预测风速的实现 | 第32-36页 |
| 4.3 混合神经网络预测风速的实现 | 第36-38页 |
| 4.3.1 GA-Elman神经网络预测风速的实现 | 第36-37页 |
| 4.3.2 PSO-Elman神经网络预测风速的实现 | 第37-38页 |
| 4.4 实验结果分析 | 第38-42页 |
| 第五章 总结与讨论 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |