| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| 1．1 引言 | 第9-10页 |
| 1．2 河道洪水预报方法简述 | 第10-11页 |
| 1．3 人工神经网络模型在河道洪水预报中的研究现状 | 第11-18页 |
| 1．4 论文的研究对象和主要研究内容 | 第18-19页 |
| 第二章 人工神经网络基本理论 | 第19-34页 |
| 2．1 人工神经网络理论发展概况简述 | 第19-20页 |
| 2．2 人工神经网络的基本原理 | 第20-33页 |
| 2．2．1 人工神经元 | 第21-24页 |
| 2．2．2 人工神经元网络模型 | 第24-26页 |
| 2．2．3 神经元网络的学习过程 | 第26-28页 |
| 2．2．4 神经元网络的学习规则 | 第28-32页 |
| 2．2．4．1 Hebb学习规则 | 第29-30页 |
| 2．2．4．2 感知机(Perceptron)学习规则 | 第30页 |
| 2．2．4．3 Delta学习规则 | 第30-32页 |
| 2．2．5 神经元网络的工作过程 | 第32-33页 |
| 2．3 小结 | 第33-34页 |
| 第三章 多层网络的误差逆传播校正方法 | 第34-50页 |
| 3．1 误差逆传播较正算法 | 第34-38页 |
| 3．2 BP网络的学习规则与计算方法 | 第38-46页 |
| 3．3 BP网络的改进方案 | 第46-49页 |
| 3．4 小结 | 第49-50页 |
| 第四章 基于自适应BP网络的河道洪水预报模型研究 | 第50-66页 |
| 4．1 引言 | 第50-51页 |
| 4．2 流域概况 | 第51-52页 |
| 4．3 自适应BP算法 | 第52-53页 |
| 4．4 模型的构造 | 第53-55页 |
| 4．5 模型应用研究 | 第55-65页 |
| 4．5．1 样本资料的组织及处理 | 第55-56页 |
| 4．5．2 模型参数率定 | 第56-57页 |
| 4．5．3 模型的检验 | 第57-65页 |
| 4．6 小结 | 第65-66页 |
| 第五章 基于峰值识别理论的BPPR神经网络模型及应用 | 第66-78页 |
| 5．1 引言 | 第66页 |
| 5．2 模型简介 | 第66-67页 |
| 5．3 模型应用研究 | 第67-77页 |
| 5．4 小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| 6．1 论文总结 | 第78-79页 |
| 6．2 存在的问题与研究展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 读研期间主要成果 | 第85-86页 |
| 后记 | 第86页 |
