| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·论文研究的背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本课题研究内容安排 | 第13-15页 |
| 第2章 基于PSO-BPNN的智能预测方法研究 | 第15-35页 |
| ·人工神经网络 | 第15-21页 |
| ·人工神经网络概述 | 第15-16页 |
| ·人工神经网络模型 | 第16-19页 |
| ·人工神经网络的拓扑结构 | 第19页 |
| ·神经网络的学习 | 第19-21页 |
| ·人工神经网络的特点 | 第21页 |
| ·BP神经网络 | 第21-30页 |
| ·BP神经网络基本原理 | 第21-23页 |
| ·BP神经网络的学习算法 | 第23-26页 |
| ·BP神经网络流程图 | 第26-27页 |
| ·BP神经网络特点及影响因素分析 | 第27-30页 |
| ·粒子群算法 | 第30-31页 |
| ·粒子群算法基本思想 | 第30页 |
| ·粒子群算法原理 | 第30-31页 |
| ·PSO算法流程 | 第31页 |
| ·基于PSO-BPNN的预测模型 | 第31-33页 |
| ·PSO-BPNN预测算法的实例分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于GSA-BPNN的智能预测方法研究 | 第35-41页 |
| ·万有引力搜索算法 | 第35-37页 |
| ·GSA优化算法的基本思想 | 第35-36页 |
| ·GSA优化算法的基本原理 | 第36-37页 |
| ·GSA优化算法流程 | 第37页 |
| ·GSA-BPNN预测模型基本原理 | 第37-38页 |
| ·GSA-BPNN预测模型流程图 | 第38-39页 |
| ·GSA-BPNN预测模型的实例分析 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 降水预测实验研究 | 第41-58页 |
| ·实验数据 | 第41-44页 |
| ·数据的预处理 | 第41-43页 |
| ·指标值的样本均值-标准差分级法 | 第43-44页 |
| ·基于PSO-BPNN的降水预测实验研究 | 第44-50页 |
| ·基于PSO-BPNN的降水预测结果分析 | 第44-49页 |
| ·基于PSO-BPNN的降水预测总结 | 第49-50页 |
| ·基于GSA-BPNN的降水预测实验研究 | 第50-57页 |
| ·基于GSA-BPNN的降水预测结果分析 | 第50-56页 |
| ·基于GSA-BPNN的降水预测总结 | 第56-57页 |
| ·基于PSO-BPNN与GSA-BPNN的降水预测结果比较 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附录A | 第66-69页 |