| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·论文的背景、目的和意义 | 第9-10页 |
| ·研究内容 | 第10页 |
| ·研究思路及技术路线 | 第10-13页 |
| ·论文的结构与主要内容 | 第13-14页 |
| 第二章 短期气候预测方法 | 第14-25页 |
| ·短期气候预测方法应用现状 | 第14-20页 |
| ·经验统计方法 | 第14-15页 |
| ·以数学模型为基础的数理统计方法 | 第15-16页 |
| ·以物理因子和前兆强信号为基础的物理统计方法 | 第16-17页 |
| ·动力学方法 | 第17-20页 |
| ·人工神经网络理论的发展历程及在短期气候预测中的应用 | 第20-25页 |
| ·人工神经网络的发展历程 | 第20-21页 |
| ·人工神经网络在短期气候预测中的应用现状 | 第21-25页 |
| 第三章 人工神经网络和遗传算法的理论基础 | 第25-46页 |
| ·人工神经网络的基本原理 | 第25-28页 |
| ·人工神经网络概念和特点 | 第25-26页 |
| ·人工神经元的结构模型 | 第26-27页 |
| ·神经网络的传递函数 | 第27-28页 |
| ·BP 神经网络 | 第28-36页 |
| ·BP 神经网络结构 | 第29-30页 |
| ·BP 学习算法 | 第30-32页 |
| ·BP 算法计算步骤及流程图 | 第32-34页 |
| ·BP 算法存在的缺点及改进 | 第34-36页 |
| ·遗传算法的基本原理 | 第36-46页 |
| ·遗传算法的理论基础 | 第37页 |
| ·遗传算法的特点 | 第37-38页 |
| ·遗传算法的设计 | 第38-46页 |
| 第四章 基于遗传神经网络的短期气候预测的建模 | 第46-51页 |
| ·遗传优化BP 神经网络的权值及阈值 | 第46-48页 |
| ·遗传—神经网络算法的具体实现步骤 | 第48-49页 |
| ·数据归一化处理 | 第49页 |
| ·GA-BP 神经网络模型流程图 | 第49-51页 |
| 第五章 基于 GA-BP 网络模型在短期气候预测中的应用 | 第51-65页 |
| ·资料来源及其统计特征 | 第51-56页 |
| ·研究区域概况 | 第51-52页 |
| ·盐亭县自然环境特征 | 第52-53页 |
| ·以低山、丘陵为主的地貌 | 第52页 |
| ·北亚热带湿润季风气候，降水变率大 | 第52-53页 |
| ·盐亭县近46 年来气候变化特征 | 第53-56页 |
| ·近46 年来气温变化特征 | 第54-55页 |
| ·近46 年来降水总量变化特征 | 第55-56页 |
| ·小结 | 第56页 |
| ·预报因子的选取 | 第56-58页 |
| ·基本资料 | 第57页 |
| ·样本设计 | 第57-58页 |
| ·应用实例仿真 | 第58-65页 |
| ·Matlab 简介 | 第58页 |
| ·网络权值和阈值的优化 | 第58-59页 |
| ·月平均气温的网络训练与检验及预测 | 第59-62页 |
| ·网络训练 | 第59-60页 |
| ·网络效果检验 | 第60-61页 |
| ·模型预测 | 第61-62页 |
| ·月降水量的网络训练与检验及预测 | 第62-65页 |
| ·网络训练 | 第62页 |
| ·网络效果检验 | 第62-64页 |
| ·模型预测 | 第64-65页 |
| 第六章 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |