| 论文目录 | |
| 摘要 | 第1-5 页 |
| ABSTRACT | 第5-10 页 |
| 1 绪论 | 第10-16 页 |
| · 研究的目的和意义 | 第10 页 |
| · 降雨估算的国内外研究概况 | 第10-12 页 |
| · 研究的方法和思路 | 第12-14 页 |
| · 论文的章节安排 | 第14-16 页 |
| 2 人工神经网络理论基础 | 第16-31 页 |
| · 人工神经网络的基本概念 | 第16-21 页 |
| · 神经网络的发展 | 第16-18 页 |
| · 神经网络的基本原理和结构类型 | 第18-20 页 |
| · 神经网络在大气及气象科学中的应用 | 第20-21 页 |
| · BP 网络 | 第21-26 页 |
| · BP 网络的结构 | 第22 页 |
| · BP 网络的学习规则 | 第22-25 页 |
| · BP 网络存在的问题 | 第25-26 页 |
| · RBF 网络 | 第26-31 页 |
| · RBF 网络的原理 | 第27 页 |
| · RBF 网络的学习算法 | 第27-29 页 |
| · RBF 神经网络的优点 | 第29-31 页 |
| 3 遗传算法理论基础 | 第31-39 页 |
| · 遗传算法概要 | 第31-32 页 |
| · 遗传算法的基本原理与方法 | 第32-36 页 |
| · 个体适应度评价 | 第33-34 页 |
| · 遗传算法的基本操作 | 第34-36 页 |
| · 遗传算法的操作步骤 | 第36-37 页 |
| · 遗传算法的优点 | 第37-39 页 |
| 4 降水插值估算模型的建立 | 第39-51 页 |
| · 插值方法原理概述 | 第39-42 页 |
| · 距离反比加权法 | 第40 页 |
| · 克里金（kriging）插值法 | 第40-42 页 |
| · 神经网络插值模型 | 第42-45 页 |
| · 数据预处理 | 第43-44 页 |
| · BP 网络插值模型 | 第44-45 页 |
| · RBF 网络插值模型 | 第45 页 |
| · 结果分析 | 第45-51 页 |
| 5 降水反演估算模型的建立 | 第51-63 页 |
| · 参数因子选取 | 第51-54 页 |
| · 云降雨机理 | 第51-52 页 |
| · MODIS 云产品数据介绍 | 第52-54 页 |
| · BP 网络估算模型 | 第54-56 页 |
| · 遗传算法优化BP 神经网络估算模型 | 第56-62 页 |
| · 遗传算法和神经网络的结合 | 第56-59 页 |
| · BP-GA 模型的建立 | 第59-62 页 |
| · 两种模型结果比较分析 | 第62-63 页 |
| 6 结论与展望 | 第63-66 页 |
| · 结论 | 第63-64 页 |
| · 存在的不足 | 第64 页 |
| · 展望 | 第64-66 页 |
| 致谢 | 第66-67 页 |
| 参考文献 | 第67-71 页 |
| 附录1 攻读学位期间发表论文目录 | 第71 页 |
………………………………………………………
由于篇幅所限，此处不能完全刊载论文全部内容，如需完整论文内容，请点击下面链接去下载全篇论文的完整文档!
微信扫一扫打赏
支付宝扫一扫打赏
