| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究的背景及意义 | 第8-10页 |
| 1.2 论文的组织结构 | 第10-12页 |
| 第二章 相关背景知识介绍 | 第12-25页 |
| 2.1 人工神经网络 | 第12-18页 |
| 2.1.1 人工神经元模型 | 第12-14页 |
| 2.1.2 神经网络模型 | 第14页 |
| 2.1.3 神经网络学习方式 | 第14-16页 |
| 2.1.4 典型网络模型 | 第16-18页 |
| 2.2 样条权函数神经网络介绍 | 第18-23页 |
| 2.2.1 样条权函数神经网络基础简介 | 第18页 |
| 2.2.2 样条权函数神经网络的结构和网络算法 | 第18-23页 |
| 2.3 神经网络灵敏度 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 3/2 第二类有理SWF神经网络灵敏度分析 | 第25-58页 |
| 3.1 有理样条插值函数 | 第25-33页 |
| 3.1.1 插值法 | 第25页 |
| 3.1.2 Hermite插值 | 第25-27页 |
| 3.1.3 有理样条插值函数简介 | 第27-29页 |
| 3.1.4 分子三次、分母二次有理样条插值函数 | 第29-33页 |
| 3.2 分子三次、分母二次第二类有理SWF神经网络拓扑结构和训练算法 | 第33-35页 |
| 3.3 3/2 有理SWF神经网络误差与灵敏度分析 | 第35-46页 |
| 3.3.1 Peano核定理 | 第35-36页 |
| 3.3.2 3/2 有理SWF神经网络误差分析 | 第36-41页 |
| 3.3.3 3/2 有理SWF神经网络灵敏度分析 | 第41-46页 |
| 3.4 3/1 有理SWF神经网络实验仿真 | 第46-57页 |
| 3.4.1 实验环境介绍 | 第46-47页 |
| 3.4.2 实验的过程与结果 | 第47-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 基于 3/2 有理SWF神经网络的PM2.5 浓度预测 | 第58-66页 |
| 4.1 PM2.5 的来源和危害 | 第58页 |
| 4.2 PM2.5 预测方法 | 第58-60页 |
| 4.2.1 PM2.5 传统预测方法 | 第58-59页 |
| 4.2.2 基于神经网络的PM2.5 预测方法 | 第59-60页 |
| 4.3 基于 3/2 第二类有理SWF神经网络的PM2.5 预测方法 | 第60-65页 |
| 4.3.1 有理SWF神经网络与其他预测方法的比较 | 第60-61页 |
| 4.3.2 数据的来源和特征因素的选取 | 第61-62页 |
| 4.3.3 数据的处理 | 第62页 |
| 4.3.4 建立模型 | 第62-63页 |
| 4.3.5 仿真实验 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 致谢 | 第72页 |
