基于人工神经网络的荆江河段水文研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 水文研究方法的研究现状 | 第8-12页 |
| 1.2.1 经验相关法 | 第9页 |
| 1.2.2 传统模型法 | 第9-10页 |
| 1.2.3 现代模型 | 第10-12页 |
| 1.3 主要研究内容和思路 | 第12页 |
| 1.3.1 理论研究 | 第12页 |
| 1.3.2 仿真实现 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 荆江河段水文概况 | 第13-17页 |
| 2.1 自然概况 | 第13-14页 |
| 2.2 水文站分布 | 第14-15页 |
| 2.3 水文特征值 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 BP神经网络和禁忌全局优化网络的基本理论 | 第17-30页 |
| 3.1 人工神经网络 | 第17-19页 |
| 3.1.1 人工神经元 | 第17页 |
| 3.1.2 神经元激活函数 | 第17-18页 |
| 3.1.3 训练及学习规则 | 第18-19页 |
| 3.1.4 人工神经网络模型 | 第19页 |
| 3.2 BP神经网络 | 第19-24页 |
| 3.2.1 BP神经网络模型 | 第20页 |
| 3.2.2 BP神经网络算法 | 第20-23页 |
| 3.2.3 BP神经网络优缺点及改进 | 第23-24页 |
| 3.3 禁忌全局优化网络 | 第24-29页 |
| 3.3.1 局部邻域搜索 | 第24-25页 |
| 3.3.2 禁忌搜索的主要参数 | 第25-26页 |
| 3.3.3 禁忌搜索算法流程 | 第26-27页 |
| 3.3.4 禁忌搜索算法优缺点及改进 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 日预测模型的建立 | 第30-47页 |
| 4.1 水文模型的建立 | 第30-31页 |
| 4.1.1 模型构造 | 第30-31页 |
| 4.1.2 网络训练样本选取 | 第31页 |
| 4.2 样本数据处理 | 第31-33页 |
| 4.2.1 样本的收集及处理 | 第31-32页 |
| 4.2.2 样本的归一化处理 | 第32-33页 |
| 4.3 预测模型评价标准 | 第33-34页 |
| 4.4 BP神经网络模型的设计 | 第34-36页 |
| 4.4.1 网络层数的设计 | 第34-35页 |
| 4.4.2 网络神经元个数的设计 | 第35页 |
| 4.4.3 网络学习参数率定 | 第35-36页 |
| 4.5 禁忌全局优化网络模型的设计 | 第36-38页 |
| 4.5.1 基本禁忌搜索算法的参数率定 | 第36-37页 |
| 4.5.2 改进禁忌搜索算法的参数率定 | 第37-38页 |
| 4.6 网络建模仿真及结果分析 | 第38-46页 |
| 4.6.1 水位日预测模型 | 第38-42页 |
| 4.6.2 流量日预测模型 | 第42-46页 |
| 4.7 本章小结 | 第46-47页 |
| 5 月趋势预测模型的建立 | 第47-51页 |
| 5.1 水文模型的建立 | 第47页 |
| 5.1.1 模型构造 | 第47页 |
| 5.1.2 网络训练样本选取 | 第47页 |
| 5.2 网络建模仿真及结果分析 | 第47-50页 |
| 5.3 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
