| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景与意义 | 第7-8页 |
| ·研究背景 | 第7-8页 |
| ·研究目的及意义 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·白皮松研究现状 | 第8-10页 |
| ·潜在适生区分布预测模型研究现状 | 第10-11页 |
| ·人工神经网络应用现状 | 第11-12页 |
| ·研究内容、方法与技术路线 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·研究方法 | 第13页 |
| ·技术路线 | 第13-14页 |
| ·特色与创新点 | 第14-15页 |
| 第二章 实验方案 | 第15-23页 |
| ·研究区概况 | 第15-16页 |
| ·实验步骤 | 第16-17页 |
| ·数据准备 | 第17-23页 |
| ·数据来源 | 第17-21页 |
| ·数据预处理 | 第21-23页 |
| 第三章 基于Elman人工神经网络的白皮松潜在适生区估测 | 第23-43页 |
| ·人工神经网络原理 | 第23-28页 |
| ·人工神经元的数学模型 | 第23-26页 |
| ·人工神经网络的拓扑结构 | 第26-27页 |
| ·人工神经网络的学习训练算法 | 第27-28页 |
| ·Elman反馈神经网络模型 | 第28-30页 |
| ·Elman模型结构 | 第28-30页 |
| ·Elman神经网络学习算法 | 第30页 |
| ·Elman模型白皮松潜在适生区分布估测 | 第30-38页 |
| ·MATLAB矩阵实验室 | 第30-31页 |
| ·实验过程 | 第31-34页 |
| ·结果输出 | 第34-36页 |
| ·分析与结论 | 第36-38页 |
| ·Elman模型精度检验 | 第38-42页 |
| ·模型精度检验指标的选取 | 第38-39页 |
| ·ROC曲线的计算方法 | 第39-41页 |
| ·Elman模型ROC曲线的绘制 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第四章 MaxEnt模型适生区估测及其与Elman模型估测比较 | 第43-52页 |
| ·最大熵原理及其应用 | 第43-44页 |
| ·MaxEnt最大熵模型 | 第44-45页 |
| ·MaxEnt软件简介 | 第44页 |
| ·MaxEnt软件估测方法 | 第44-45页 |
| ·MaxEnt模型白皮松潜在适生区分布估测 | 第45-48页 |
| ·实验过程 | 第45-46页 |
| ·结果输出 | 第46页 |
| ·分析与结论 | 第46-48页 |
| ·MaxEnt模型精度检验 | 第48页 |
| ·Elman模型与MaxEnt模型估测比较 | 第48-51页 |
| ·输出结果比较 | 第48-49页 |
| ·最适环境因子区间比较 | 第49-50页 |
| ·精度与稳定性比较 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第五章 全球变暖条件下的白皮松未来分布趋势研究 | 第52-61页 |
| ·全球变暖概况 | 第52-53页 |
| ·全球变暖的表现 | 第52页 |
| ·全球变暖的原因 | 第52页 |
| ·全球变暖对植物的影响 | 第52-53页 |
| ·全球变暖条件下的白皮松潜在适生区预测 | 第53-58页 |
| ·未来环境因子数据获取 | 第53-54页 |
| ·未来分布预测及结果输出 | 第54-58页 |
| ·全球变暖对白皮松未来分布趋势的影响分析 | 第58-60页 |
| ·分布趋势 | 第58-59页 |
| ·原因分析 | 第59-60页 |
| ·小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 结论 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |