| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文主要的研究内容 | 第9-10页 |
| ·本文的组织架构 | 第10-12页 |
| 第二章 神经网络与遗传算法介绍 | 第12-25页 |
| ·人工神经网络 | 第12-15页 |
| ·神经网络模型 | 第12-14页 |
| ·神经网络结构 | 第14-15页 |
| ·BP神经网络 | 第15-19页 |
| ·BP网络的模型结构 | 第15-16页 |
| ·BP网络的权值更新 | 第16-19页 |
| ·BP网络的优点及不足之处 | 第19-20页 |
| ·遗传算法原理介绍 | 第20页 |
| ·参数编码及遗传算子设计 | 第20-23页 |
| ·参数的编码 | 第21-22页 |
| ·遗传算子设计 | 第22-23页 |
| ·控制参数选择 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于均分法的小生境遗传算法研究 | 第25-36页 |
| ·小生境技术 | 第25-27页 |
| ·小生境遗传算法研究及其改进 | 第27-31页 |
| ·隔离小生境遗传算法研究 | 第27-28页 |
| ·基于均分法的小生境遗传算法 | 第28-30页 |
| ·基于均分法的小生境遗传算法复杂度分析 | 第30-31页 |
| ·基于均分法的小生境遗传算法性能分析 | 第31-34页 |
| ·Shubert函数测试算法寻优能力 | 第31-33页 |
| ·Rastrigin函数测试算法收敛速度 | 第33-34页 |
| ·基于均分法的小生境遗传算法优化BP神经网络建模 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 一种自适应量子遗传算法研究 | 第36-43页 |
| ·量子遗传算法研究 | 第36-39页 |
| ·量子比特编码 | 第36-37页 |
| ·个体测量 | 第37-38页 |
| ·量子旋转门更新种群 | 第38-39页 |
| ·改进的量子旋转门以及性能验证 | 第39-41页 |
| ·建立自适应量子遗传算法的BP神经网络预测模型 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于改进的遗传算法优化BP网络的气象要素预测 | 第43-71页 |
| ·气象资料处理及预测模型参数设定 | 第43-44页 |
| ·对温度要素的预测 | 第44-48页 |
| ·对海平面气压要素的预测 | 第48-52页 |
| ·对能见度要素的预测 | 第52-55页 |
| ·对露点要素的预测 | 第55-58页 |
| ·对降水量要素的预测 | 第58-62页 |
| ·对风速要素的预测 | 第62-66页 |
| ·对风向要素的预测 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·论文工作总结 | 第71-72页 |
| ·研究工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
| 致谢 | 第78页 |