| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究目的及意义 | 第8-10页 |
| 1.2 各气象要素与气温的关系 | 第10-12页 |
| 1.2.1 太阳辐射的影响 | 第10-11页 |
| 1.2.2 风速的影响 | 第11页 |
| 1.2.3 相对湿度的影响 | 第11-12页 |
| 1.3 国内外发展现状 | 第12-14页 |
| 1.4 主要研究内容 | 第14-16页 |
| 第二章 百叶箱温度传感器的网格化布局 | 第16-21页 |
| 2.1 传感器选型 | 第16-18页 |
| 2.2 温度场观测点的布设 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 气象数据显示与统计系统 | 第21-37页 |
| 3.1 Qt概述 | 第21-22页 |
| 3.2 QWT的配置 | 第22-24页 |
| 3.3 气象数据显示与统计系统应用设计 | 第24-36页 |
| 3.3.1 气象数据显示与统计系统功能概述 | 第24-25页 |
| 3.3.2 气象数据显示与统计系统界面设计 | 第25-30页 |
| 3.3.3 基于百度地图API的地图功能实现 | 第30-31页 |
| 3.3.4 使用Qwt绘制历史数据波形 | 第31-32页 |
| 3.3.5 使用QTableView制作数据列表 | 第32-34页 |
| 3.3.6 导出Excel功能 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于神经网络的气温影响模型研究 | 第37-51页 |
| 4.1 神经网络简述 | 第37-38页 |
| 4.2 神经网络的模型结构 | 第38-44页 |
| 4.2.1 神经元的数学模型 | 第39-40页 |
| 4.2.2 神经网络构成 | 第40-41页 |
| 4.2.3 神经网络的学习算法 | 第41-44页 |
| 4.3 BP神经网络 | 第44-50页 |
| 4.3.1 BP神经网络的构成 | 第44-45页 |
| 4.3.2 Levenberg-Marquardt算法 | 第45-47页 |
| 4.3.3 利用L-M算法拟合气温影响模型方程 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 气象数据可视化 | 第51-58页 |
| 5.1 二维平面图 | 第51-55页 |
| 5.2 三维可视化 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 测温误差的原因分析 | 第58-66页 |
| 6.1 数据准备 | 第58页 |
| 6.2 温度观测的△T分布 | 第58-61页 |
| 6.2.1 △T的日分布特征 | 第58-59页 |
| 6.2.2 △T的分布规律 | 第59-60页 |
| 6.2.3 △T的极值分布规律 | 第60-61页 |
| 6.3 影响△T的因素分析 | 第61-65页 |
| 6.3.1 风速、辐射、湿度对△T的影响 | 第61-63页 |
| 6.3.2 各档风速下△T随辐射的分布情况 | 第63-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第七章 结论与展望 | 第66-68页 |
| 7.1 结论 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简介 | 第72页 |