| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-11页 |
| 1.3 论文主要内容 | 第11-12页 |
| 第二章 国内外研究现状 | 第12-14页 |
| 第三章 无线传感器网络结构和节点结构 | 第14-19页 |
| 3.1 泥石流监测网络的结构 | 第14-15页 |
| 3.2 节点的结构 | 第15-17页 |
| 3.3 传感器参数 | 第17页 |
| 3.3.1 土壤内部压力传感器 | 第17页 |
| 3.3.2 土壤水分传感器 | 第17页 |
| 3.4 本章小结 | 第17-19页 |
| 第四章 主要节能方案 | 第19-35页 |
| 4.1 休眠管理技术 | 第19-22页 |
| 4.1.1 无线传感器网络节能技术概述 | 第19-20页 |
| 4.1.2 脉冲工作模式 | 第20-22页 |
| 4.2 小波神经网络 | 第22-25页 |
| 4.2.1 小波神经网络的结构 | 第23-24页 |
| 4.2.2 小波神经网络的特点 | 第24-25页 |
| 4.3 小波神经网络的优化 | 第25-26页 |
| 4.3.1 优化的原因 | 第25-26页 |
| 4.4 基于粒子群算法的小波神经网络(PSO-WNN)模型 | 第26-32页 |
| 4.4.1 粒子群算法的发展过程 | 第27页 |
| 4.4.2 粒子群算法原理 | 第27-29页 |
| 4.4.3 粒子群算法的过程 | 第29-30页 |
| 4.4.4 基于粒子群算法的小波神经网络的结构 | 第30-32页 |
| 4.5 环境自适应式的节能方案 | 第32-35页 |
| 第五章 预测结果和节能实验结果 | 第35-44页 |
| 5.1 预测结果 | 第35-40页 |
| 5.1.1 WNN的预测结果 | 第35-36页 |
| 5.1.2 PSO-WNN预测结果 | 第36-40页 |
| 5.2 节能实验结果 | 第40-44页 |
| 第六章 结论与展望 | 第44-46页 |
| 6.1 结论 | 第44-45页 |
| 6.2 存在的问题和展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 在学期间的成果 | 第48-49页 |
| 致谢 | 第49页 |