首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于BP网络的玻璃温室温度模型研究与监测系统设计

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第11-19页
    1.1 选题的目的和意义第11-12页
    1.2 国内外研究概况第12-16页
        1.2.1 国外研究进展第12-13页
        1.2.2 国内研究进展第13-15页
        1.2.3 温室建模存在的问题第15-16页
    1.3 课题研究内容第16-18页
    1.4 论文组织结构第18-19页
第二章 总体方案设计第19-28页
    2.1 温室环境影响因子筛选第19-22页
        2.1.1 理论模型分析第19-20页
        2.1.2 模型的简化第20-21页
        2.1.3 影响因子确定第21-22页
    2.2 数据采集平台搭建第22-24页
        2.2.1 温室内分布式温度监测系统第22-23页
        2.2.2 室外 WSN 监测系统第23-24页
        2.2.3 采集试验影响因子样本数据第24页
    2.3 BP 神经网络的设计、训练和建立第24-27页
        2.3.1 神经网络理论分析第24-25页
        2.3.2 样本数据粗大误差处理第25页
        2.3.3 样本数据归一化处理第25页
        2.3.4 BP 网络结构设计第25页
        2.3.5 网络训练与建立第25-27页
    2.4 模型验证和性能分析第27页
        2.4.1 采用测试集数据验证模型性能第27页
        2.4.2 分析误差原因第27页
    2.5 本章小结第27-28页
第三章 数据采集平台设计与搭建第28-45页
    3.1 温室内分布式温度监测系统第28-37页
        3.1.1 温室内分布式温度监测系统硬件设计第28-34页
        3.1.2 温室内分布式温度监测系统软件设计第34-37页
    3.2 温室外 WSN 监测系统第37-39页
    3.3 总体平台搭建第39-40页
    3.4 平台布置与功能展示第40-44页
        3.4.1 温室内分布式温度监测系统布置与功能展示第40-43页
        3.4.2 WSN 监测系统布置与功能展示第43-44页
    3.5 本章小结第44-45页
第四章 数据预处理第45-51页
    4.1 试验数据确定第45-46页
    4.2 粗大误差剔除第46-47页
    4.3 数据归一化处理第47-50页
    4.4 本章小结第50-51页
第五章 模型建立与验证第51-59页
    5.1 BP 神经网络定义第51页
    5.2 BP 神经网络思想与算法第51-53页
    5.3 BP 神经网络模型建立第53-56页
        5.3.1 网络结构设计第53-54页
        5.3.2 网络训练方法第54-55页
        5.3.3 网络训练效果第55-56页
    5.4 模型验证第56-58页
    5.5 本章小结第58-59页
第六章 结论与展望第59-61页
    6.1 结论第59-60页
    6.2 展望第60-61页
参考文献第61-65页
致谢第65-66页
作者简介第66页

论文共66页,点击 下载论文
上一篇:抚育间伐强度对马尾松公益林群落结构和生态服务功能的影响
下一篇:猕猴桃优系生物学特性和果实生长动态的研究