遗传算法在旱涝预测中的应用研究
| 1 前言 | 第1-8页 |
| 1．1 引言 | 第6-7页 |
| 1．2 研究现状 | 第7-8页 |
| 2 遗传算法 | 第8-15页 |
| 2．1 基本思想 | 第8-11页 |
| 2．2 遗传算法的热门研究方向 | 第11-12页 |
| 2．3 基于机器码存储的遗传算法 | 第12-15页 |
| 3 旱涝灾情预测方法 | 第15-24页 |
| 3．1 经典时间序列分析法 | 第16-17页 |
| 3．2 马尔可夫概型分析 | 第17-19页 |
| 3．3 灰色预测 | 第19-20页 |
| 3．4 人工神经网络 | 第20-24页 |
| 3．4．1 BP人工神经网络 | 第21-23页 |
| 3．4．2 水文时间序列预测的ANN法 | 第23-24页 |
| 3．4．3 人工神经网络的泛化能力研究 | 第24页 |
| 4 基于机器码存储的遗传算法求解参数策略 | 第24-27页 |
| 4．1 遗传算法求解经典时序模型的参数 | 第24-26页 |
| 4．2 遗传算法搜索神经网络权重 | 第26-27页 |
| 5 算例 | 第27-38页 |
| 5．1 可行性 | 第28页 |
| 5．2 资料分析 | 第28-30页 |
| 5．2．1 趋势分析 | 第29页 |
| 5．2．2 周期分 | 第29-30页 |
| 5．3 经典时间序列模型 | 第30-33页 |
| 5．4 神经网络模型 | 第33-38页 |
| 5．4．1 算法比较 | 第33-35页 |
| 5．4．2 神经网络输入节点的确定 | 第35页 |
| 5．4．3 收敛准则的确定 | 第35-38页 |
| 6 结语 | 第38-41页 |
| 参考文献 | 第41-46页 |
| 英文摘要 | 第46-47页 |
| 致谢 | 第47页 |
