改进遗传神经网络在时间序列预测中的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外相关领域研究现状 | 第11-15页 |
| ·关于人工神经网络的研究 | 第11-12页 |
| ·关于小波变换的研究 | 第12-13页 |
| ·遗传算法与其它算法的融合应用 | 第13-14页 |
| ·综合评述 | 第14-15页 |
| ·主要研究内容 | 第15-16页 |
| ·研究技术路线 | 第16-18页 |
| 2 人工神经网络及其改进 | 第18-29页 |
| ·人工神经网络模型结构和特点 | 第18-19页 |
| ·BP 网络的数学原理及常用改进方法 | 第19-23页 |
| ·BP 算法的数学推导 | 第19-21页 |
| ·BP 存在的问题 | 第21页 |
| ·附加动量项 | 第21-22页 |
| ·优化网络结构和初始参数 | 第22页 |
| ·其他改进方法 | 第22-23页 |
| ·RBF 网络的数学原理 | 第23-24页 |
| ·神经网络对常用数据集的分析 | 第24-28页 |
| ·IRIS 数据集 | 第24-26页 |
| ·Ecoli 数据集 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 遗传算法和对神经网络的优化 | 第29-39页 |
| ·遗传算法 | 第29-34页 |
| ·遗传算法概述 | 第29-30页 |
| ·遗传算法操作 | 第30-34页 |
| ·遗传算法的改进 | 第34-36页 |
| ·CHC 算法 | 第34-35页 |
| ·自适应遗传算法 | 第35-36页 |
| ·遗传算法对函数的拟合能力分析 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 4 小波分析和小波去噪 | 第39-52页 |
| ·小波分析的发展历史 | 第39页 |
| ·Fourier 变换及改进 | 第39-42页 |
| ·小波分析 | 第42-44页 |
| ·常用的小波基函数 | 第44-47页 |
| ·小波去噪 | 第47-50页 |
| ·小波去噪原理 | 第47-48页 |
| ·小波去噪步骤 | 第48-50页 |
| ·算例分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于小波去噪的遗传-神经网络模型 | 第52-74页 |
| ·小波变换对数据集的预处理 | 第52-60页 |
| ·常用遗传算法优化神经网络的方法 | 第60-62页 |
| ·GA 优化神经网络权值 | 第60-61页 |
| ·GA 优化神经网络结构 | 第61-62页 |
| ·GA 优化神经网络学习规则 | 第62页 |
| ·GA 优化结构和参数的思想 | 第62-63页 |
| ·目前 GA 优化神经网络参数或结构的不足之处 | 第62页 |
| ·模拟退火算法 | 第62-63页 |
| ·双阶段优化方式对神经网络结构和参数进行优化 | 第63-70页 |
| ·适应度函数的选择 | 第65页 |
| ·结构的编码方案 | 第65-67页 |
| ·参数的编码方案 | 第67-68页 |
| ·交叉率和变异率的选择 | 第68-69页 |
| ·模拟退火算法的加入 | 第69-70页 |
| ·WGANN 算法基本流程 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 6 岷江径流量的WGANN 模型预测分析 | 第74-93页 |
| ·岷江流域水文概况 | 第74-75页 |
| ·岷江概况 | 第74页 |
| ·都江堰灌区概况 | 第74-75页 |
| ·数据预处理 | 第75-79页 |
| ·DPO 优化情况 | 第79-87页 |
| ·DPO 第一阶段 | 第79-84页 |
| ·DPO 第二阶段 | 第84-87页 |
| ·MATLAB 仿真结果 | 第87-92页 |
| ·本章小结 | 第92-93页 |
| 7 结束语 | 第93-95页 |
| ·本文的结论 | 第93页 |
| ·本文的创新与不足之处 | 第93-94页 |
| ·未来的研究工作 | 第94-95页 |
| 参考文献 | 第95-100页 |
| 致谢 | 第100-101页 |
| 攻读硕士期间发表文章及参加项目 | 第101页 |
