| 中文摘要 | 第1-8页 |
| 英文摘要 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| 第一节 研究背景 | 第10-14页 |
| ·农作物害虫预测预报概述 | 第10-12页 |
| ·农作物害虫预测预报的目的和意义 | 第10页 |
| ·农作物害虫预测预报的类别 | 第10-11页 |
| ·我国害虫预测预报工作的发展概况 | 第11-12页 |
| ·农作物害虫预测预报的方法 | 第12-14页 |
| ·基本的测报方法 | 第12页 |
| ·专家系统 | 第12-14页 |
| 第二节 本文研究内容与安排 | 第14-17页 |
| ·本文研究目的与研究路线 | 第15页 |
| ·本文的内容组织 | 第15-17页 |
| 第二章 基于BP网络的农作物虫情预测预报的原理 | 第17-34页 |
| 第一节 人工神经网络简介 | 第17-18页 |
| ·人工神经网络的特点 | 第17-18页 |
| ·人工神经网络的模型 | 第18页 |
| 第二节 反向传播(BP)网络 | 第18-27页 |
| ·BP网络的结构 | 第18-21页 |
| ·BP网络的学习过程 | 第21-25页 |
| ·信息的正向传递 | 第21-23页 |
| ·利用梯度下降法求权值变化及误差的反向传播 | 第23-25页 |
| ·误差反向传播的流程与图形解释 | 第25页 |
| ·改进后的BP网络 | 第25-27页 |
| ·BP网络的限制与不足 | 第25-26页 |
| ·BP网络的改进方法 | 第26-27页 |
| 第三节 农作物虫害与气候因子间的相关性分析 | 第27-29页 |
| ·温度 | 第27-28页 |
| ·湿度和降雨 | 第28页 |
| ·光 | 第28-29页 |
| 第四节 基于BP网络的虫情预测系统的分析与设计 | 第29-34页 |
| ·网络结构的确定 | 第29页 |
| ·隐含层神经元数的确定 | 第29-30页 |
| ·网络学习参数的选取 | 第30-31页 |
| ·样本数据的处理 | 第31-34页 |
| 第三章 基于BP网络农作物虫情预测预报的MATLAB实现 | 第34-43页 |
| 第一节 MATLAB神经网络工具箱 | 第34-38页 |
| ·神经网络工具箱函数 | 第34-37页 |
| ·MATLAB中BP网络的训练过程 | 第37-38页 |
| 第二节 BP网络程序设计的MATLAB实现 | 第38-39页 |
| 第三节 MATLAB与DELPHI应用程序接口的设计 | 第39-41页 |
| ·MATLAB ActiveX集成 | 第40-41页 |
| ·MATLAB自动化服务器 | 第40-41页 |
| ·对MATLAB对象的操作方法 | 第41页 |
| 第四节 DELPHI调用MATLAB的实现 | 第41-43页 |
| 第四章 BP网络应用于水稻虫情预测的仿真实验及结果分析 | 第43-53页 |
| 第一节 本文软件设计的功能介绍 | 第43-48页 |
| 第二节 BP网络模型应用于水稻虫情预测的仿真及结果分析 | 第48-53页 |
| ·仿真结果分析 | 第48-51页 |
| ·模型评价 | 第51-53页 |
| 第五章 结束语 | 第53-55页 |
| 第一节 结论 | 第53-54页 |
| 第二节 进一步研究的建议 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |
