首页--天文学、地球科学论文--大气科学(气象学)论文--天气预报论文--主要气象要素和天气现象预报论文--降水预报论文

区域短临定量降水预报技术研究

摘要第3-4页
abstract第4-5页
1 绪论第8-16页
    1.1 研究目的与意义第8-9页
    1.2 国内外研究现状第9-12页
    1.3 研究思路和方法第12-13页
    1.4 本文的主要工作及结构安排第13-14页
    1.5 本章小结第14-16页
2 相关理论与方法第16-28页
    2.1 基于PCA的数据降维第16-18页
    2.2 人工神经网络概述第18-19页
    2.3 RBF神经网络概述第19-26页
        2.3.1 RBF神经网络结构第19-22页
        2.3.2 RBF神经网络隐含层参数确定第22-26页
    2.4 本章小结第26-28页
3 基于K-means聚类算法的RBF神经网络降水预报模型第28-34页
    3.1 RBF隐节点数的确定第28-29页
    3.2 RBF隐含层基函数中心参数的确定第29-31页
        3.2.1 K-means聚类算法基本原理介绍第29-31页
        3.2.2 K-means聚类算法确定基函数中心参数第31页
    3.3 RBF隐含层基函数宽度的确定第31-32页
    3.4 输出层权值的确定第32页
    3.5 本章小结第32-34页
4 基于粒子群算法的优化RBF神经网络降水预报模型第34-50页
    4.1 粒子群算法第34-39页
        4.1.1 基本PSO算法第35-37页
        4.1.2 标准PSO算法第37-38页
        4.1.3 粒子群算法参数设置第38-39页
    4.2 PSO算法的改进第39-41页
        4.2.1 随机惯性因子权重的PSO算法第39-40页
        4.2.2 自适应惯性权重的PSO算法第40-41页
    4.3 基于种群分组的PSO改进算法及其性能分析第41-45页
        4.3.1 种群分组的PSO改进算法第41-43页
        4.3.2 GPSO算法性能分析第43-45页
    4.4 PSO-RBF神经网络降水预报模型第45-49页
        4.4.1 标准PSO-RBF神经网络降水预报模型第46-48页
        4.4.2 改进PSO-RBF神经网络降水预报模型及模型评价指标第48-49页
    4.5 本章小结第49-50页
5 应用研究第50-60页
    5.1 RBF神经网络降水预报模型应用框架及实验环境第50-52页
        5.1.1 模型应用框架第50-51页
        5.1.2 实验环境第51-52页
    5.2 预报区域降水数据处理第52-54页
    5.3 区域短临降水预报第54-57页
        5.3.1 确定RBF网络结构第54-56页
        5.3.2 RBF神经网络降水预报模型参数确定第56页
        5.3.3 区域短临降水预报数值计算第56-57页
    5.4 区域降水预报结果分析第57-58页
    5.5 本章小结第58-60页
6 结论与展望第60-62页
    6.1 结论第60页
    6.2 展望第60-62页
参考文献第62-66页
附录1 K-means-RBF、PSO-RBF、GPSO-RBF关键代码第66-74页
在读期间的研究成果第74-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:油污土壤修复过程中土壤酶活性及微生物群落结构变化
下一篇:IPD模式下建设工程项目团队效能关键影响因素研究