| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 航危雾霾预报模型研究的背景和意义 | 第9-10页 |
| 1.2 国内外对航危雾霾预报研究的现状 | 第10-11页 |
| 1.3 本文拟解决的问题与技术路线 | 第11-13页 |
| 1.3.1 预报建模拟解决的问题 | 第11-12页 |
| 1.3.2 本文技术路线的确立 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 航危雾霾BP预报模型设计 | 第14-32页 |
| 2.1 航危雾霾预报业务流程 | 第14-16页 |
| 2.1.1 雾霾预报模型分析研究的必要性 | 第15-16页 |
| 2.1.2 雾霾预报业务中存在的问题 | 第16页 |
| 2.2 BP神经网络预报模型的设计 | 第16-24页 |
| 2.2.1 预报模型结构的确立 | 第17-18页 |
| 2.2.2 航危雾霾预报模型隐含层节点数的确定 | 第18-20页 |
| 2.2.3 初始权值的选择 | 第20页 |
| 2.2.4 学习速率的确定 | 第20页 |
| 2.2.5 训练函数和传输函数的确定 | 第20-24页 |
| 2.3 预报指标的选择 | 第24-26页 |
| 2.3.1 雾与霾的物理成因 | 第24-25页 |
| 2.3.2 预报因子的确定 | 第25-26页 |
| 2.4 预报结果量化值的确定 | 第26-29页 |
| 2.4.1 雾日与霾日的划分 | 第26-27页 |
| 2.4.2 航危雾霾与能见度的关系 | 第27-28页 |
| 2.4.3 模型输出因子的量化评价 | 第28-29页 |
| 2.5 预报模型具体结构与实现过程 | 第29-30页 |
| 2.5.1 航危雾霾模型结构 | 第29页 |
| 2.5.2 雾霾预报模型的实现过程 | 第29-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第3章 基于FGA算法的BP网络优化 | 第32-44页 |
| 3.1 BP预报模型存在的问题与优化方向 | 第32-34页 |
| 3.1.1 BP神经网络的优势及不足 | 第32-33页 |
| 3.1.2 BP预报模型的优化方向 | 第33-34页 |
| 3.2 FGA算法优化BP神经网络流程 | 第34-38页 |
| 3.2.1 基于FGA算法的最优值求解方法 | 第35-36页 |
| 3.2.2 FGA算法优化BP神经网络的基本步骤 | 第36-38页 |
| 3.3 FGA算法优化BP神经网络的MATLAB实现 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 实验与结果分析 | 第44-57页 |
| 4.1 航危雾霾BP预报模型实验流程 | 第44-45页 |
| 4.2 实验数据的处理 | 第45-47页 |
| 4.2.1 实验数据预处理 | 第45-46页 |
| 4.2.2 资料数据来源 | 第46-47页 |
| 4.3 实验环境与开发工具 | 第47页 |
| 4.3.1 实验环境 | 第47页 |
| 4.3.2 实验开发工具 | 第47页 |
| 4.4 FGA算法优化BP网络实验的实现 | 第47-50页 |
| 4.5 航危雾霾预报模型仿真实验的实现 | 第50-56页 |
| 4.5.1 预报模型参数设置 | 第50页 |
| 4.5.2 实验过程 | 第50-52页 |
| 4.5.3 实验结果及分析 | 第52-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |