分布式降水估算的模型与方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究的目的和意义 | 第10页 |
| ·降雨估算的国内外研究概况 | 第10-12页 |
| ·研究的方法和思路 | 第12-14页 |
| ·论文的章节安排 | 第14-16页 |
| 2 人工神经网络理论基础 | 第16-31页 |
| ·人工神经网络的基本概念 | 第16-21页 |
| ·神经网络的发展 | 第16-18页 |
| ·神经网络的基本原理和结构类型 | 第18-20页 |
| ·神经网络在大气及气象科学中的应用 | 第20-21页 |
| ·BP 网络 | 第21-26页 |
| ·BP 网络的结构 | 第22页 |
| ·BP 网络的学习规则 | 第22-25页 |
| ·BP 网络存在的问题 | 第25-26页 |
| ·RBF 网络 | 第26-31页 |
| ·RBF 网络的原理 | 第27页 |
| ·RBF 网络的学习算法 | 第27-29页 |
| ·RBF 神经网络的优点 | 第29-31页 |
| 3 遗传算法理论基础 | 第31-39页 |
| ·遗传算法概要 | 第31-32页 |
| ·遗传算法的基本原理与方法 | 第32-36页 |
| ·个体适应度评价 | 第33-34页 |
| ·遗传算法的基本操作 | 第34-36页 |
| ·遗传算法的操作步骤 | 第36-37页 |
| ·遗传算法的优点 | 第37-39页 |
| 4 降水插值估算模型的建立 | 第39-51页 |
| ·插值方法原理概述 | 第39-42页 |
| ·距离反比加权法 | 第40页 |
| ·克里金（kriging）插值法 | 第40-42页 |
| ·神经网络插值模型 | 第42-45页 |
| ·数据预处理 | 第43-44页 |
| ·BP 网络插值模型 | 第44-45页 |
| ·RBF 网络插值模型 | 第45页 |
| ·结果分析 | 第45-51页 |
| 5 降水反演估算模型的建立 | 第51-63页 |
| ·参数因子选取 | 第51-54页 |
| ·云降雨机理 | 第51-52页 |
| ·MODIS 云产品数据介绍 | 第52-54页 |
| ·BP 网络估算模型 | 第54-56页 |
| ·遗传算法优化BP 神经网络估算模型 | 第56-62页 |
| ·遗传算法和神经网络的结合 | 第56-59页 |
| ·BP-GA 模型的建立 | 第59-62页 |
| ·两种模型结果比较分析 | 第62-63页 |
| 6 结论与展望 | 第63-66页 |
| ·结论 | 第63-64页 |
| ·存在的不足 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录1 攻读学位期间发表论文目录 | 第71页 |
