| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 相关概念 | 第15-16页 |
| 1.2.2 常规的台风路径预报算法简介 | 第16-18页 |
| 1.2.3 基于人工神经网络的预报方法 | 第18-19页 |
| 1.3 本文的研究内容 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-22页 |
| 第二章 相关基础研究 | 第22-36页 |
| 2.1 委员会机器模型 | 第22-27页 |
| 2.1.1 动态委员会机器 | 第23-24页 |
| 2.1.2 静态委员会机器 | 第24-27页 |
| 2.2 贝叶斯神经网络 | 第27-30页 |
| 2.3 混合密度网络 | 第30-31页 |
| 2.4 南中国海台风路径数据集 | 第31-34页 |
| 2.5 预报模型性能的度量方法 | 第34-35页 |
| 2.5.1 预报性能的对比模型 | 第34页 |
| 2.5.2 预报结果的评价指标 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于贝叶斯神经网络的Bagging集成预报模型 | 第36-47页 |
| 3.1 研究动机 | 第36-37页 |
| 3.2 Bagging集成预报模型 | 第37-41页 |
| 3.2.1 模型的结构 | 第37-39页 |
| 3.2.2 模型的建立 | 第39-41页 |
| 3.3 实验与分析 | 第41-46页 |
| 3.3.1 数据集设置 | 第41-42页 |
| 3.3.2 参数设置 | 第42-44页 |
| 3.3.3 实验结果及分析 | 第44-46页 |
| 3.3.4 结论 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于混合密度网络的集成预报模型 | 第47-59页 |
| 4.1 研究动机 | 第47-48页 |
| 4.2 集成预报模型 | 第48-52页 |
| 4.2.1 模型整体结构 | 第48-49页 |
| 4.2.2 专家网络的结构 | 第49-50页 |
| 4.2.3 模型的建立 | 第50-52页 |
| 4.3 实验与分析 | 第52-58页 |
| 4.3.1 数据集设置 | 第52-53页 |
| 4.3.2 模型训练策略 | 第53-55页 |
| 4.3.3 参数设置 | 第55页 |
| 4.3.4 实验结果及分析 | 第55-57页 |
| 4.3.5 结论 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文总结 | 第59页 |
| 5.2 未来的工作 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读学位期间的学术成果 | 第67-69页 |
| 致谢 | 第69页 |