| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景、目的及意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-16页 |
| 1.2.1 组合预测方法的研究现状 | 第12-14页 |
| 1.2.2 国内外粮食产量预测研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16-18页 |
| 第二章 人工神经网络基本理论 | 第18-24页 |
| 2.1 人工神经网络概念 | 第18页 |
| 2.2 人工神经网络特性 | 第18-19页 |
| 2.3 人工神经网络 | 第19-21页 |
| 2.3.1 人工神经元模型 | 第19-20页 |
| 2.3.2 激活函数 | 第20-21页 |
| 2.4 神经网络的分类及学习方式 | 第21-23页 |
| 2.4.1 神经网络的分类 | 第21-22页 |
| 2.4.2 神经网络的学习方式 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于遗传算法优化神经网络的粮食产量预测 | 第24-46页 |
| 3.1 遗传算法概述 | 第24-28页 |
| 3.2 基于遗传算法的BP神经网络优化 | 第28-32页 |
| 3.2.1 BP神经网络 | 第28-29页 |
| 3.2.2 基于遗传算法的BP神经网络优化 | 第29-32页 |
| 3.2.3 基于遗传算法优化BP神经网络的粮食产量预测仿真 | 第32页 |
| 3.3 基于遗传算法的RBF神经网络优化 | 第32-39页 |
| 3.3.1 RBF神经网络 | 第32-35页 |
| 3.3.2 基于遗传算法的RBF神经网络优化 | 第35-39页 |
| 3.3.3 基于遗传算法优化RBF神经网络的粮食产量预测仿真 | 第39页 |
| 3.4 基于遗传算法的GRNN神经网络优化 | 第39-44页 |
| 3.4.1 GRNN神经网络 | 第39-41页 |
| 3.4.2 基于遗传算法的GRNN神经网络优化 | 第41-44页 |
| 3.4.3 基于遗传算法优化GRNN神经网络的粮食产量预测仿真 | 第44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于IOWA算子粮食产量组合预测 | 第46-51页 |
| 4.1 基于IOWA算子的组合预测模型 | 第46-48页 |
| 4.1.1 IOWA算子的概念及性质 | 第46-47页 |
| 4.1.2 IOWA算子的组合预测模型 | 第47-48页 |
| 4.2 基于IOWA算子的粮食产量组合预测 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 基于 C | 第51-61页 |
| 5.1 C | 第51-56页 |
| 5.2 粮食产量预测功能的系统设计与实现 | 第56-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-70页 |
