| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 课题相关研究现状 | 第10-15页 |
| 1.2.1 参与性介质粒子系粒径分布研究现状 | 第10-12页 |
| 1.2.2 参与性介质粒子系光学常数等研究现状 | 第12-13页 |
| 1.2.3 神经网络算法发展及其研究现状 | 第13-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第2章 神经网络算法及改进 | 第17-41页 |
| 2.1 引言 | 第17页 |
| 2.2 人工神经网络理论 | 第17-25页 |
| 2.2.1 人工神经网络的生物学基础 | 第17-18页 |
| 2.2.2 人工神经网络模型 | 第18-20页 |
| 2.2.3 BP神经网络数学模型 | 第20-23页 |
| 2.2.4 BP神经网络反演方法研究 | 第23-24页 |
| 2.2.5 BP神经网络缺点 | 第24-25页 |
| 2.3 微粒群优化算法 | 第25-27页 |
| 2.3.1 微粒群优化算法的基本原理 | 第25-27页 |
| 2.3.2 标准微粒群算法缺陷及改进 | 第27页 |
| 2.4 基于MPOPSO算法优化的BP神经网络 | 第27-34页 |
| 2.4.1 多策略改进的PSO算法 | 第27-30页 |
| 2.4.2 用MPOPSO算法对BP网络进行优化 | 第30-34页 |
| 2.5 算法仿真测试 | 第34-40页 |
| 2.5.1 测试函数 | 第34-36页 |
| 2.5.2 测试结果 | 第36-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第3章 参与性介质粒径分布反演研究 | 第41-58页 |
| 3.1 引言 | 第41页 |
| 3.2 参与性介质粒径分布的理论 | 第41-47页 |
| 3.2.1 激光入射参与性介质模型 | 第41-43页 |
| 3.2.2 有限体积法离散求解 | 第43-45页 |
| 3.2.3 粒子系粒径分布函数 | 第45-47页 |
| 3.3 参与性介质粒径分布反演结果 | 第47-56页 |
| 3.3.1 不同波段数量对于反演效果的影响 | 第47-52页 |
| 3.3.2 不同训练样本数量对于反演效果的影响 | 第52-54页 |
| 3.3.3 基于改进BP神经网络的二次加精 | 第54-56页 |
| 3.4 反演点未包括在初始范围内的情况 | 第56-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第4章 参与性介质辐射特性反演 | 第58-66页 |
| 4.1 引言 | 第58页 |
| 4.2 参与性介质散射系数和吸收系数反演 | 第58-61页 |
| 4.3 参与性介质光学常数反演 | 第61-63页 |
| 4.3.1 光学常数反演理论介绍 | 第61页 |
| 4.3.2 光学常数反演计算结果 | 第61-63页 |
| 4.4 参与性介质粒子系粒径分布和光学常数联合反演 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表学术论文及其他成果 | 第72-74页 |
| 致谢 | 第74页 |