首页--农业科学论文--水产、渔业论文--水产工程论文--水质工程论文

基于RBF神经网络的溶解氧预测模型研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第10-17页
    1.1 研究背景第10-11页
    1.2 课题来源和研究意义第11页
        1.2.1 来源第11页
        1.2.2 意义第11页
    1.3 国内外相关领域的研究现状第11-15页
        1.3.1 水质预测研究现状第11-14页
        1.3.2 RBF神经网络在水质预测中应用现状第14-15页
    1.4 论文结构第15-17页
        1.4.1 研究内容第15页
        1.4.2 论文框架第15-17页
第二章 RBF神经网络第17-25页
    2.1 人工神经网络第17页
    2.2 RBF神经网络简介第17-20页
        2.2.1 RBF神经网络模型第18-19页
        2.2.2 RBF神经网络工作原理第19-20页
    2.3 RBF神经网络径向基中心的确定第20-21页
    2.4 RBF神经网络学习算法第21-24页
        2.4.1 输入层到隐含层的非线性映射第21-22页
        2.4.2 隐含层到输出层的线性映射第22-23页
        2.4.3 RBF神经网络隐含层和输出层连接权值学习算法第23-24页
    2.5 本章小结第24-25页
第三章 优化的RBF神经网络算法对比第25-33页
    3.1 递归最小二乘算法第25-28页
    3.2 改进型递归最小二乘算法第28-29页
    3.3 优化算法的收敛性分析第29-30页
    3.4 算法理论对比分析第30-31页
        3.4.1 递归最小二乘算法的不足第30页
        3.4.2 算法异同点第30-31页
    3.5 本章小结第31-33页
第四章 基于优化的RBF神经网络溶解氧预测模型第33-54页
    4.1 溶解氧的重要性第33-34页
        4.1.1 溶解氧的基本概念第33页
        4.1.2 溶解氧对水产养殖的影响第33-34页
    4.2 溶解氧与其他水质因子相关性分析第34-38页
    4.3 数据来源及样本构成第38-44页
        4.3.1 数据来源第38-42页
        4.3.2 样本构成第42-44页
    4.4 数据样本与预处理第44-46页
    4.5 溶解氧预测模型第46-49页
    4.6 溶解氧预测结果比较及分析第49-53页
        4.6.1 改进型递归最小二乘仿真结果第49-51页
        4.6.2 溶解氧预测结果对比分析第51-53页
    4.7 本章小结第53-54页
第五章 总结与展望第54-56页
    5.1 主要工作总结第54页
    5.2 本课题需要进一步研究的地方第54-56页
参考文献第56-59页
附录第59-60页
致谢第60页

论文共60页,点击 下载论文
上一篇:基于Petri网的水产品追溯信息模型及其应用
下一篇:安全风险评估模型研究及其在海洋信息系统中的应用