遗传算法优化的BP神经网络在降雨量预测中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·课题背景概况 | 第7页 |
| ·课题研究的目的及意义 | 第7-8页 |
| ·人工神经网络在大气科学预报领域的国内外研究现状 | 第8-11页 |
| ·国外研究现状 | 第9页 |
| ·国内研究现状 | 第9-11页 |
| ·论文的研究内容和结构安排 | 第11-13页 |
| ·论文的研究内容 | 第11页 |
| ·论文的结构安排 | 第11-13页 |
| 第2章 人工神经网络概述 | 第13-25页 |
| ·神经网络定义 | 第13-17页 |
| ·神经网络的发展 | 第13页 |
| ·神经元模型 | 第13-16页 |
| ·神经网络特点 | 第16-17页 |
| ·BP神经网络 | 第17-22页 |
| ·BP神经网络定义 | 第17页 |
| ·BP神经网络模型结构 | 第17-18页 |
| ·BP神经网络算法描述 | 第18-22页 |
| ·BP算法流程图 | 第22页 |
| ·BP算法的性能分析 | 第22-24页 |
| ·BP算法的优点 | 第22-23页 |
| ·BP网络的缺陷 | 第23页 |
| ·BP算法的改进 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 遗传算法概述 | 第25-33页 |
| ·遗传算法定义 | 第25页 |
| ·遗传算法的基本思想 | 第25页 |
| ·遗传算法基本要素 | 第25-29页 |
| ·编码机制 | 第26页 |
| ·初始种群生成 | 第26页 |
| ·适应度函数 | 第26-27页 |
| ·遗传操作 | 第27-29页 |
| ·控制参数选择 | 第29页 |
| ·遗传算法的特点及应用 | 第29-30页 |
| ·遗传算法的特点 | 第29-30页 |
| ·遗传算法的应用 | 第30页 |
| ·遗传算法优化BP神经网络综述 | 第30-32页 |
| ·优化的意义 | 第30-31页 |
| ·优化的流程 | 第31-32页 |
| ·遗传算法改进优化BP网络结构流程图 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 BP神经网络的年降雨量预测模型 | 第33-53页 |
| ·实验工具MATLAB | 第33-34页 |
| ·MATLAB下的神经网络工具箱 | 第33页 |
| ·MATLAB下的遗传算法工具箱 | 第33-34页 |
| ·降雨量预测方法设计 | 第34-38页 |
| ·传统降雨预报方法及结果分析 | 第34-37页 |
| ·BP神经网络预测方法的设计 | 第37-38页 |
| ·实验样本数据的选取与处理 | 第38页 |
| ·BP神经网络预测模型 | 第38-43页 |
| ·数据归一化 | 第38-40页 |
| ·BP神经网络设计 | 第40-42页 |
| ·初始化参数的选取 | 第42-43页 |
| ·BP算法的仿真实验及结果分析 | 第43-47页 |
| ·遗传算法优化BP算法的建模仿真 | 第47-51页 |
| ·本论文有关遗传算法参数的选取 | 第47-48页 |
| ·遗传算法优化BP神经网络模型建立和预测实现 | 第48-51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·本论文的主要工作总结 | 第53页 |
| ·进一步的工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间参与的科研项目 | 第58-59页 |
| 致谢 | 第59页 |
