基于GA和LM算法优化的BP神经网络在域市空气质量预測中的应用研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 历史背景与意义 | 第11-16页 |
| 1.2 研究发展方向 | 第16-17页 |
| 1.3 本文的组织结构 | 第17-18页 |
| 第二章 人工神经网络概述 | 第18-25页 |
| 2.1 人工神经网络 | 第18-22页 |
| 2.1.1 生物神经网络简介 | 第18-19页 |
| 2.1.2 人工神经元模型 | 第19-20页 |
| 2.1.3 神经网络的结构 | 第20-22页 |
| 2.2 神经网络的学习 | 第22-25页 |
| 2.2.1 神经网络的学习方式 | 第22-23页 |
| 2.2.2 神经网络的学习规则 | 第23-25页 |
| 第三章 BP神经网络理论及其优化算法 | 第25-38页 |
| 3.1 BP神经网络基本理论 | 第25-30页 |
| 3.1.1 BP神经网络的基本概念 | 第25-26页 |
| 3.1.2 BP神经网络的学习方法 | 第26-28页 |
| 3.1.3 BP神经网络的局限性 | 第28-30页 |
| 3.2 BP神经网络的算法优化 | 第30-37页 |
| 3.2.1 LM算法 | 第30-31页 |
| 3.2.2 改进的LM算法 | 第31-33页 |
| 3.2.3 GA | 第33-36页 |
| 3.3.4 神经网络数据归一化 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 城市空气质量预测结果分析 | 第38-46页 |
| 4.1 实验模型简介 | 第38-43页 |
| 4.1.1 模型样本选择 | 第38-41页 |
| 4.1.2 模型样本数据处理 | 第41-42页 |
| 4.1.3 模型网络结构及各类参数值 | 第42-43页 |
| 4.2 预测结果分析 | 第43-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 附件 | 第51页 |
