| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究背景与现状 | 第8-9页 |
| 1.2 本课题主要工作与结构 | 第9-11页 |
| 第二章 相关背景知识介绍 | 第11-25页 |
| 2.1 人工神经网络 | 第11-15页 |
| 2.1.1 人工神经元模型 | 第11-12页 |
| 2.1.2 神经网络模型 | 第12-14页 |
| 2.1.3 神经网络学习方法 | 第14-15页 |
| 2.2 典型神经网络 | 第15-18页 |
| 2.2.1 BP神经网络 | 第15-17页 |
| 2.2.2 RBF神经网络 | 第17-18页 |
| 2.3 SWF神经网络 | 第18-22页 |
| 2.3.1 SWF神经网络基础知识 | 第18-19页 |
| 2.3.2 样条权函数神经网络结构与算法 | 第19-22页 |
| 2.4 神经网络灵敏度 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 3/1有理SWF神经网络灵敏度分析 | 第25-57页 |
| 3.1 3/1有理SWF神经网络 | 第25-32页 |
| 3.1.1 有理插值样条函数 | 第25-26页 |
| 3.1.2 3/1有理插值样条 | 第26-29页 |
| 3.1.3 3/1有理插值函数的形状控制 | 第29-30页 |
| 3.1.4 3/1有理SWF神经网络结构与算法 | 第30-32页 |
| 3.2 3/1有理SWF神经网络误差与灵敏度分析 | 第32-39页 |
| 3.2.1 Peano核定理 | 第32页 |
| 3.2.2 3/1有理SWF神经网络误差分析 | 第32-35页 |
| 3.2.3 3/1有理SWF神经网络灵敏度分析 | 第35-39页 |
| 3.3 3/1有理SWF神经网络实验仿真 | 第39-56页 |
| 3.3.1 实验环境介绍 | 第39页 |
| 3.3.2 3/1有理插值样条实验过程与分析 | 第39-44页 |
| 3.3.3 3/1有理SWF神经网络实验过程与分析 | 第44-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于3/1有理SWF神经网络的空气质量评价方法 | 第57-65页 |
| 4.1 空气质量评价的背景与现状 | 第57页 |
| 4.2 空气质量评价的方法 | 第57-59页 |
| 4.2.1 传统空气质量评价方法 | 第57-58页 |
| 4.2.2 基于神经网络的空气质量评价方法 | 第58-59页 |
| 4.3 基于3/1有理SWF神经网络的空气质量评价方法 | 第59-64页 |
| 4.3.1 数据处理 | 第59-60页 |
| 4.3.2 建立模型 | 第60-61页 |
| 4.3.3 仿真实验 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录1 程序清单 | 第69-70页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 致谢 | 第71页 |
