| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·长期降水预报的研究现状 | 第7页 |
| ·国外的长期降水预报方法 | 第7-9页 |
| ·国内长期降水预报的现状 | 第9-11页 |
| ·长期降水预报的问题 | 第11-12页 |
| ·本文的主要工作和结构安排 | 第12-13页 |
| ·创新点 | 第13-14页 |
| 2 人工神经网络的研究现状 | 第14-24页 |
| ·人工神经网络的概述 | 第14-15页 |
| ·神经网络的学习算法 | 第15-16页 |
| ·神经网络模型 | 第16-23页 |
| ·自适应性网络 | 第16-18页 |
| ·单层感知器网络 | 第18-19页 |
| ·离散Hopfiled神经网络 | 第19-20页 |
| ·Hamming网络 | 第20-22页 |
| ·自组织神经网络 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 BP网络算法 | 第24-36页 |
| ·BP网络的结构 | 第24-26页 |
| ·BP神经网络的算法 | 第26-29页 |
| ·BP网络结构设计 | 第29-35页 |
| ·BP网络训练数据的归一化处理 | 第30-31页 |
| ·BP网络层数及各层节点数 | 第31页 |
| ·BP网络初始权值的选取 | 第31页 |
| ·BP网络学习率的确定 | 第31-32页 |
| ·BP网络的传递函数 | 第32-34页 |
| ·BP网络的训练算法 | 第34页 |
| ·BP网络误差的确定 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于改进的动量-自适应算法的月降水量预报研究 | 第36-63页 |
| ·洪泽湖地区介绍及长期降水预报的意义 | 第36-37页 |
| ·基于随机过程的月降水预报研究 | 第37-41页 |
| ·随机过程的月降水预报模型 | 第37-39页 |
| ·基于随机过程的月降水预报模型在洪泽湖地区的应用研究 | 第39-41页 |
| ·标准BP算法对洪泽湖地区的月降水预报研究 | 第41-45页 |
| ·网络训练 | 第41-42页 |
| ·训练结果分析 | 第42-45页 |
| ·基于改进的BP算法的月降水预报研究 | 第45-56页 |
| ·附加动量法 | 第45-48页 |
| ·自适应学习率 | 第48-51页 |
| ·误差函数的改进 | 第51-52页 |
| ·遗传算法结合 | 第52-53页 |
| ·弹性BP算法 | 第53-54页 |
| ·牛顿法 | 第54-56页 |
| ·Levenberg-Marquardt算法 | 第56页 |
| ·基于改进的动量-自适应学习率算法的月降水量预报研究 | 第56-62页 |
| ·模型的确定 | 第58-59页 |
| ·实验样本的选取 | 第59页 |
| ·实验分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 5 全文总结与研究展望 | 第63-64页 |
| ·研究工作总结 | 第63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |