基于神经网络和小波分析的降水预报研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景 | 第8页 |
| ·国内外研究进展 | 第8-12页 |
| ·神经网络在水文中的应用 | 第9-10页 |
| ·小波分析在水文中的应用 | 第10-11页 |
| ·小波神经网络在水文中的应用 | 第11-12页 |
| ·研究内容和技术路线 | 第12-14页 |
| ·研究内容 | 第12页 |
| ·技术路线 | 第12-14页 |
| 2 神经网络和小波分析概述 | 第14-23页 |
| ·神经元模型 | 第14-16页 |
| ·神经元的数学模型 | 第14页 |
| ·神经元的转移函数 | 第14-16页 |
| ·神经网络模型 | 第16-21页 |
| ·神经网络分类 | 第16-18页 |
| ·常用神经网络 | 第18-19页 |
| ·神经网络学习规则 | 第19-21页 |
| ·小波分析原理 | 第21-22页 |
| ·小波函数 | 第21页 |
| ·小波变换 | 第21-22页 |
| ·小波分解与重构 | 第22页 |
| ·小结 | 第22-23页 |
| 3 BP神经网络降水预报 | 第23-35页 |
| ·研究区概况 | 第23页 |
| ·BP神经网络简介 | 第23-26页 |
| ·BP神经元及BP网络模型 | 第23-24页 |
| ·BP网络的学习算法 | 第24-26页 |
| ·BP模型参数的选择 | 第26-28页 |
| ·网络层数 | 第26页 |
| ·输入层和输出层的神经元数目 | 第26页 |
| ·隐含层节点数 | 第26-27页 |
| ·激活函数 | 第27页 |
| ·连接权的初始值选取 | 第27页 |
| ·学习速率的选取 | 第27页 |
| ·目标误差的选取 | 第27-28页 |
| ·模型性能评价指标 | 第28-29页 |
| ·BP神经网络降水预报模型构建及应用 | 第29-34页 |
| ·原理与方法 | 第29-31页 |
| ·模型预报结果分析 | 第31-33页 |
| ·BP模型不足及改进 | 第33-34页 |
| ·小结 | 第34-35页 |
| 4 RBF神经网络降水预报 | 第35-42页 |
| ·RBF神经网络简介 | 第35-37页 |
| ·RBF神经元结构 | 第35-36页 |
| ·RBF函数网络结构 | 第36-37页 |
| ·RBF网络的学习 | 第37页 |
| ·RBF模型的参数选择 | 第37页 |
| ·RBF网络降水预报模型构建及应用 | 第37-40页 |
| ·降水影响因素分析 | 第37-39页 |
| ·模型预报结果分析 | 第39-40页 |
| ·BP模型与RBF模型对比 | 第40-41页 |
| ·BP模型与RBF模型对比分析 | 第40-41页 |
| ·RBF模型不足及改进 | 第41页 |
| ·小结 | 第41-42页 |
| 5 小波神经网络降水预报 | 第42-52页 |
| ·小波神经网络简介 | 第42-43页 |
| ·基本原理 | 第42页 |
| ·实施步骤 | 第42-43页 |
| ·小波神经网络降水预报模型构建及应用 | 第43-46页 |
| ·数据序列的小波分解 | 第43-45页 |
| ·数据序列的小波重构 | 第45页 |
| ·BP降水预报模型 | 第45-46页 |
| ·BP/RBF/WNN模型对比 | 第46-51页 |
| ·徐州站BP/RBF/WNN模型对比 | 第46-48页 |
| ·赣榆站、东台站和南京站BP/WNN模型对比 | 第48-50页 |
| ·小波神经网络的不足及改进 | 第50-51页 |
| ·小结 | 第51-52页 |
| 6 结论与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
