| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·本课题研究的工程背景 | 第7-8页 |
| ·冰情预测的研究现状 | 第8-11页 |
| ·预报指标法 | 第8-9页 |
| ·点聚图法 | 第9页 |
| ·回归分析法 | 第9-11页 |
| ·工程研究的意义 | 第11页 |
| ·松花江哈尔滨站预测模型设计的意义 | 第11-14页 |
| ·研究重点 | 第11页 |
| ·基于遗传算法的RBF网络与BP网络的比较 | 第11-14页 |
| 第二章 河冰的生消演变及其影响因素分析 | 第14-18页 |
| ·河冰的生消演变过程及研究现状 | 第14-15页 |
| ·解冻期 | 第14-15页 |
| ·影响河流冰情的因素 | 第15-18页 |
| ·热力因素 | 第15-16页 |
| ·动力因素 | 第16页 |
| ·河道形态 | 第16-17页 |
| ·人为因素 | 第17页 |
| ·上下游的影响 | 第17页 |
| ·地表径流 | 第17-18页 |
| 第三章 人工神经网络基本理论 | 第18-27页 |
| ·生物神经网络 | 第18-20页 |
| ·人工神经网络的发展历史 | 第20-21页 |
| ·人工神经网络概述 | 第21-27页 |
| ·人工神经网络的主要方向 | 第24页 |
| ·人工神经网络的分类及学习规则 | 第24-27页 |
| 第四章 径向基神经网络 | 第27-39页 |
| ·径向基神经网络概述 | 第27页 |
| ·RBF神经网络模型 | 第27-31页 |
| ·正规化网络 | 第27-29页 |
| ·广义网络 | 第29-31页 |
| ·RBF网络的学习算法 | 第31页 |
| ·遗传算法简介 | 第31-34页 |
| ·生物进化理论和遗传学的基本知识 | 第31-32页 |
| ·遗传算法的优点 | 第32-33页 |
| ·遗传算法的主要运算过程 | 第33-34页 |
| ·偏最小二乘法简介 | 第34-39页 |
| ·算法推导 | 第34-39页 |
| 第五章 RBF神经网络的松花江开河冰情预测 | 第39-49页 |
| ·哈尔滨站河流开河日期RBF网络预测模型 | 第39-40页 |
| ·开河日期预测的数学模型 | 第39-40页 |
| ·遗传算法优化松花江站河流冰情预测RBF网络的参数设置 | 第40-46页 |
| ·编码 | 第41-43页 |
| ·适应度函数的选择 | 第43页 |
| ·选择与重生 | 第43-45页 |
| ·交叉运算 | 第45-46页 |
| ·变异 | 第46页 |
| ·算法的基本步骤 | 第46页 |
| ·计算结果分析 | 第46-47页 |
| ·误差分析 | 第47-49页 |
| 第六章 结论与展望 | 第49-50页 |
| ·结论 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 发表论文和科研情况 | 第52-53页 |
| 致谢 | 第53页 |