基于神经网络的灌溉用水量预测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 引言 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究的意义 | 第10-11页 |
| ·研究现状和趋势 | 第11-13页 |
| ·预测过程 | 第11页 |
| ·预测技术分类 | 第11-12页 |
| ·现有的预测方法 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| 第二章 线性随机模型预测 | 第15-28页 |
| ·线性随机模型简介 | 第15-20页 |
| ·AR模型 | 第15-18页 |
| ·ARMA模型 | 第18-20页 |
| ·ARIMA模型 | 第20页 |
| ·模型实例预测 | 第20-28页 |
| ·东风渠灌区概况 | 第20-22页 |
| ·模型的建立 | 第22页 |
| ·趋势项分析 | 第22页 |
| ·周期项成分的检验与提取 | 第22-24页 |
| ·平稳随机项预报 | 第24-28页 |
| 第三章 人工神经网络预测理论和改进 | 第28-42页 |
| ·人工神经网络简介及其原理 | 第28-29页 |
| ·神经网络简介 | 第28页 |
| ·人工神经元基本原理 | 第28-29页 |
| ·反向传播BP网络算法及其改进 | 第29-36页 |
| ·误差逆传播校正方法 | 第30-33页 |
| ·BP网络的学习过程 | 第33-35页 |
| ·BP网络的改进方案 | 第35-36页 |
| ·基于非线性最小二乘法的神经网络模型 | 第36-42页 |
| ·LM算法 | 第37-39页 |
| ·PTNT算法 | 第39-42页 |
| 第四章 遗传算法 | 第42-53页 |
| ·遗传算法简介 | 第42-43页 |
| ·遗传算法的基本概念 | 第42-43页 |
| ·遗传算法发展简史 | 第43页 |
| ·遗传算法的运行过程 | 第43-46页 |
| ·遗传算法的应用设计 | 第46-51页 |
| ·编码问题 | 第46-47页 |
| ·适应度函数 | 第47-48页 |
| ·选择问题 | 第48-50页 |
| ·交叉运算 | 第50-51页 |
| ·变异运算 | 第51页 |
| ·遗传算法与神经网络的结合 | 第51-53页 |
| 第五章 基于神经网络的灌溉用水量预测 | 第53-71页 |
| ·东风渠灌区灌溉用水量预测模型 | 第53-54页 |
| ·网络的建立 | 第54-56页 |
| ·遗传算法优化网络初始权重 | 第56-61页 |
| ·LM算法修正网络权重 | 第61-66页 |
| ·各种模型的比较和计算的结果 | 第66-71页 |
| 第六章 结语 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74页 |
