| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·国内外禽畜养殖场有害气体研究现状 | 第9-10页 |
| ·多元线性回归方法和广义回归神经网络的发展概况 | 第10-12页 |
| ·多元线性回归方法的发展概况 | 第10-11页 |
| ·广义回归神经网络的发展概况 | 第11-12页 |
| ·本文的主要研究工作 | 第12-13页 |
| ·本文研究的意义 | 第13-14页 |
| 第2章 利用多元线性回归估算有害气体浓度 | 第14-36页 |
| ·多元线性回归分析 | 第14-19页 |
| ·线性回归分析简介 | 第14页 |
| ·多元线性同归模型 | 第14-16页 |
| ·回归方程的检验 | 第16-18页 |
| ·回归预测原理 | 第18-19页 |
| ·禽畜养殖场有害气体分析回归方程的优选 | 第19-24页 |
| ·回归方程自变量选取方法简介 | 第19-21页 |
| ·回归算法的选定 | 第21页 |
| ·逐步回归算法的数学模型 | 第21-24页 |
| ·有害气体浓度数据的处理 | 第24-35页 |
| ·数据的采集与预处理 | 第24-27页 |
| ·数据估算与分析 | 第27-35页 |
| ·本章小节 | 第35-36页 |
| 第3章 改进型径向基神经网络 | 第36-49页 |
| ·RBF神经网络 | 第36页 |
| ·正则化理论 | 第36-39页 |
| ·正则化网络模型 | 第39-41页 |
| ·RBF网络的变形 | 第41-48页 |
| ·广义RBF网络 | 第41-42页 |
| ·广义回归神经网络 | 第42-48页 |
| ·GRNN网络结构 | 第43-44页 |
| ·GRNN的理论基础 | 第44-48页 |
| ·光滑因子的优化 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第4章 利用基于神经网络的数据融合法估算有害气体浓度 | 第49-58页 |
| ·数据融合方法 | 第49-51页 |
| ·数据融合的定义 | 第49页 |
| ·数据融合的基本原理 | 第49-50页 |
| ·数据融合的特点 | 第50页 |
| ·数据融合主要过程 | 第50-51页 |
| ·基于GRNN神经网络的数据融合方法 | 第51-56页 |
| ·基于神经网络的数据融合 | 第51-52页 |
| ·基于GRNN的数据融合方法在有害气体数据处理中的应用 | 第52-56页 |
| ·基于GRNN的数据融合方法的实现 | 第52-53页 |
| ·实验仿真 | 第53-56页 |
| ·基于GRNN的数据融合方法与统计方法的比较 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第5章 数据处理软件设计 | 第58-65页 |
| ·数据处理软件概述 | 第58页 |
| ·数据处理软件设计的注意事项 | 第58-59页 |
| ·VisualBasic简介 | 第59页 |
| ·有害气体浓度数据处理软件设计 | 第59-64页 |
| ·有害气体浓度数据的显示 | 第61-62页 |
| ·氨气浓度数据的筛选 | 第62-63页 |
| ·估算数据误差比较 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-68页 |
| ·本文主要完成的工作 | 第65-66页 |
| ·后续工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间发表的论文 | 第73页 |