| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外林火预测研究现状 | 第12-13页 |
| 1.2.2 国内林火预测研究现状 | 第13-14页 |
| 1.3 研究目的与意义 | 第14-15页 |
| 1.4 课题来源与研究内容 | 第15-16页 |
| 1.4.1 课题来源 | 第15页 |
| 1.4.2 研究内容 | 第15-16页 |
| 1.5 论文主要结构 | 第16-18页 |
| 第2章 BP神经网络 | 第18-28页 |
| 2.1 BP神经网络概述 | 第18页 |
| 2.2 BP神经网络的学习算法 | 第18-25页 |
| 2.2.1 神经元 | 第18-20页 |
| 2.2.2 BP算法 | 第20-25页 |
| 2.3 BP算法的实现步骤 | 第25-27页 |
| 2.3.1 BP算法的步骤与流程 | 第25-26页 |
| 2.3.2 BP算法的优缺点 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 气象因子对林火的影响分析 | 第28-36页 |
| 3.1 研究区域概况 | 第28-29页 |
| 3.1.1 地理位置与气候 | 第28页 |
| 3.1.2 森林火灾发生情况 | 第28-29页 |
| 3.2 实验样本数据 | 第29-32页 |
| 3.2.1 数据来源 | 第29-30页 |
| 3.2.2 数据处理 | 第30-32页 |
| 3.3 气象因子的影响分析 | 第32-35页 |
| 3.3.1 气象因子的影响 | 第32-34页 |
| 3.3.2 气象因子与火险等级间的相关性分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 林火预测模型的构建与仿真 | 第36-45页 |
| 4.1 Matlab仿真平台介绍 | 第36页 |
| 4.2 数据选择与归一化 | 第36-37页 |
| 4.2.1 数据选择 | 第36页 |
| 4.2.2 数据归一化 | 第36-37页 |
| 4.3 林火预测模型的构建 | 第37-40页 |
| 4.3.1 BP神经网络的设计 | 第37-39页 |
| 4.3.2 模型的构建 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 BP神经网络的改进 | 第45-62页 |
| 5.1 遗传算法概述 | 第45-48页 |
| 5.1.1 遗传算法的基本原理 | 第45-46页 |
| 5.1.2 遗传算法的步骤 | 第46-48页 |
| 5.1.3 遗传算法的特点 | 第48页 |
| 5.2 粒子群算法概述 | 第48-51页 |
| 5.2.1 粒子群算法的原理 | 第48-49页 |
| 5.2.2 粒子群算法的步骤 | 第49-50页 |
| 5.2.3 粒子群算法的特点 | 第50-51页 |
| 5.3 BP神经网络的优化 | 第51-55页 |
| 5.3.1 遗传算法对BP神经网络的优化 | 第51-52页 |
| 5.3.2 粒子群算法对BP神经网络的优化 | 第52-53页 |
| 5.3.3 遗传与粒子群混合算法对BP神经网络的优化 | 第53-55页 |
| 5.4 仿真结果与分析 | 第55-61页 |
| 5.4.1 基本参数设置 | 第55-56页 |
| 5.4.2 实验结果分析 | 第56-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 攻读学位期间的研究成果及所获荣誉 | 第66-67页 |
| 致谢 | 第67页 |