基于神经网络的渭河水质定量遥感研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究的背景和意义 | 第8-10页 |
| ·水质遥感监测的基本原理及方法 | 第10-11页 |
| ·国内外研究的进展 | 第11-15页 |
| ·地表水水质遥感监测国内外研究概况 | 第12-14页 |
| ·神经网络的提出和研究概况 | 第14-15页 |
| ·本文的主要研究内容 | 第15-18页 |
| 第2章 数据预处理及传统统计多元回归反演模型建立 | 第18-30页 |
| ·研究区域概况 | 第18页 |
| ·渭河水环境质量概况 | 第18-19页 |
| ·数据源概况与分析 | 第19-20页 |
| ·数据源概况 | 第19页 |
| ·SPOT-5遥感影像数据 | 第19-20页 |
| ·数据预处理 | 第20-25页 |
| ·传感器定标 | 第21页 |
| ·影像大气校正 | 第21页 |
| ·影像几何校正 | 第21-25页 |
| ·相关性分析 | 第25-26页 |
| ·传统统计多元回归预测模型的建立 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 基于人工神经网络的水质反演模型 | 第30-48页 |
| ·神经网络概述 | 第30-31页 |
| ·BP神经网络原理 | 第31-32页 |
| ·BP神经网络水质反演模型的建立 | 第32-35页 |
| ·数据的归一化处理 | 第32页 |
| ·BP网络的设计 | 第32-35页 |
| ·RBF神经网络模型 | 第35-38页 |
| ·RBF神经网络的结构 | 第35-36页 |
| ·RBF网络常用学习算法 | 第36-38页 |
| ·RBF神经网络反演模型的建立 | 第38-39页 |
| ·广义回归神经网络模型 | 第39-43页 |
| ·广义回归神经网络理论 | 第39-40页 |
| ·网络结构 | 第40-41页 |
| ·平滑参数σ的优化 | 第41-42页 |
| ·广义回归神经网络在遥感水质监测中的可行性分析 | 第42-43页 |
| ·广义回归神经网络反演模型的建立 | 第43页 |
| ·改进的广义回归神经网络模型 | 第43-45页 |
| ·改进的广义回归神经网络建模的实现 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 几种反演模型实验结果比较与分析 | 第48-60页 |
| ·监测点的反演精度 | 第48-58页 |
| ·传统统计多元回归与各个神经网络模型精度比较 | 第48-54页 |
| ·四种神经网络模型的精度分析 | 第54-58页 |
| ·各模型在渭河陕西段水质反演中的应用 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 结论与展望 | 第60-64页 |
| ·全文总结 | 第60-61页 |
| ·展望 | 第61-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |
