| 第1章 绪论 | 第1-13页 |
| 1．1 课题研究的背景 | 第9-10页 |
| 1．2 神经网络国内外研究现状 | 第10页 |
| 1．3 水上交通事故分析预测的研究现状 | 第10-11页 |
| 1．4 论文研究的目的及意义 | 第11-12页 |
| 1．5 论文的结构及研究方法 | 第12-13页 |
| 1．5．1 论文的结构 | 第12页 |
| 1．5．2 论文的研究方法 | 第12-13页 |
| 第2章 基于 BP神经网络的水上交通事故预测的原理 | 第13-48页 |
| 2．1 水上交通事故预测简介 | 第13-17页 |
| 2．1．1 预测与事故预测的概念 | 第13-14页 |
| 2．1．2 水上交通事故的特点 | 第14-16页 |
| 2．1．3 水上交通事故预测方法的选取 | 第16-17页 |
| 2．2 人工神经网络简介 | 第17-19页 |
| 2．2．1 人工神经网络的特点 | 第17-18页 |
| 2．2．2 人工神经网络的模型 | 第18-19页 |
| 2．3 误差反向传播(BP)网络 | 第19-22页 |
| 2．3．1 BP网络的结构 | 第19-21页 |
| 2．3．2 BP网络的学习过程 | 第21-22页 |
| 2．4 改进后的 BP网络 | 第22-24页 |
| 2．4．1 BP网络的限制与不足 | 第22-23页 |
| 2．4．2 BP网络的改进方法 | 第23-24页 |
| 2．5 影响水上交通事故的主要因素分析 | 第24-45页 |
| 2．5．1 人为因素 | 第25-31页 |
| 2．5．2 船舶因素 | 第31-36页 |
| 2．5．3 环境因素 | 第36-45页 |
| 2．6 基于 BP网络的水上交通事故预测系统的分析与设计 | 第45-48页 |
| 2．6．1 网络结构的确定 | 第45页 |
| 2．6．2 隐含层神经元数的确定 | 第45-46页 |
| 2．6．3 网络学习参数的选取 | 第46-47页 |
| 2．6．4 样本数据的处理 | 第47-48页 |
| 第3章 基于 BP网络水上交通事故预测的 MATLAB实现 | 第48-62页 |
| 3．1 MATLAB简介 | 第48-50页 |
| 3．2 MATLAB神经网络工具箱 | 第50-53页 |
| 3．2．1 神经网络工具箱函数 | 第50-53页 |
| 3．2．2 MATLAB中 BP网络的训练过程 | 第53页 |
| 3．3 BP网络程序设计的 MATLAB实现 | 第53-56页 |
| 3．4 MATLAB与 VC++应用程序接口的设计 | 第56-58页 |
| 3．5 VC++调用 Matlab COM Builder生成组件的实现 | 第58-62页 |
| 第4章 水上交通事故预测系统界面设计和仿真实验 | 第62-78页 |
| 4．1 界面设计软件 VC++简介 | 第62-63页 |
| 4．2 本文软件设计的功能介绍 | 第63-68页 |
| 4．2．1 网络训练模块 | 第65-67页 |
| 4．2．2 仿真预测模块 | 第67-68页 |
| 4．3 长江重庆水域环境分析 | 第68-76页 |
| 4．3．1 长江重庆水域简介 | 第68-69页 |
| 4．3．2 人为因素 | 第69-70页 |
| 4．3．3 船舶因素 | 第70页 |
| 4．3．4 环境因素 | 第70-75页 |
| 4．3．5 重庆海事局2004年5月-9月水上交通事故统计 | 第75-76页 |
| 4．4 BP网络模型应用于水上交通事故预测的仿真及结果分析 | 第76-78页 |
| 第5章 结束语 | 第78-80页 |
| 5．1 结论 | 第78-79页 |
| 5．2 进一步研究的建议 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 附录 | 第84页 |
