基于数据挖掘的集成预测方法对东北地区降水的预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-11页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要研究目的及内容 | 第10-11页 |
| 1.3.1 文章研究目的 | 第10页 |
| 1.3.2 本文主要研究内容 | 第10-11页 |
| 第2章 数据挖掘 | 第11-17页 |
| 2.1 数据挖掘背景 | 第11页 |
| 2.2 数据挖掘的发展 | 第11页 |
| 2.3 数据挖掘主要研究问题 | 第11-13页 |
| 2.4 数据挖掘概念 | 第13页 |
| 2.5 数据挖掘的过程 | 第13-14页 |
| 2.6 数据挖掘的分类与基本方法 | 第14-16页 |
| 2.6.1 预测型数据挖掘 | 第14-15页 |
| 2.6.2 描述型数据挖掘 | 第15-16页 |
| 2.7 本章小结 | 第16-17页 |
| 第3章 各种子预报的预报方法 | 第17-33页 |
| 3.1 神经网络 | 第17-28页 |
| 3.1.1 神经网络的定义 | 第17-18页 |
| 3.1.2 神经网络基本原理 | 第18页 |
| 3.1.3 人工神经网络模型 | 第18-21页 |
| 3.1.4 神经网络的有指导学习 | 第21-22页 |
| 3.1.5 BP神经网络 | 第22-24页 |
| 3.1.6 BP神经网络的计算 | 第24-27页 |
| 3.1.7 BP神经网络的改进 | 第27-28页 |
| 3.2 多元回归预测 | 第28-29页 |
| 3.2.1 回归方程相关的数学模型 | 第28-29页 |
| 3.3 SVM | 第29-31页 |
| 3.4 径向基函数RBF神经网络预测算法 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 一种基于数据挖掘的集成降水预测方法 | 第33-46页 |
| 4.1 实验数据 | 第33-35页 |
| 4.2 各子预报方法预报效果对比 | 第35-38页 |
| 4.3 传统集成预报方法 | 第38页 |
| 4.4 一种新的集成方法的提出与运用 | 第38-43页 |
| 4.5 实验结果与对比 | 第43-45页 |
| 4.6 本章总结 | 第45-46页 |
| 第5章 总结 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49页 |
