学位论文 > 优秀研究生学位论文题录展示

短期降水预报BP神经网络预报方法研究

作　者: 艾艳
导　师: 陈国勋
学　校: 郑州大学
专　业: 计算机软件与理论
关键词: 人工神经网络 BP(Back一Propagation)算法 概率论与数理统计 短期降水预报
分类号: TP183
类　型: 硕士论文
年　份: 2004年
下　载: 176次
引　用: 9次
阅　读: 论文下载
 

内容摘要


人工智能(Artificial Intelligence，简记为AI)是当前科学技术发展中的一门前沿学科，同时也是一门新思想、新观念、新理论、新技术不断出现的新兴学科以及正在迅速发展的学科。它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，因此又可把它看作是一门综合性的边缘学科。 人工神经网络(Artificial Neural Network，简记为ANN)是最近发展起来的十分热门的交叉学科，它涉及生物、电子、计算机、数学和物理等学科，并在工程上具有非常广泛的应用前景。人工神经网络是模拟生物神经结构的新型智能系统，它是在生物神经网络理论的基础上所构成的多个神经元互连结构的网络，主要研究复杂的多维非线性大系统中的信息分布、信息处理的理论和方法，并用于解决实际的工程问题。人工神经网络有很多模型，但是目前应用最广，其基本思想最直观、最容易理解的是多阶层前馈神经网络及误差传播学习算法(Error Back-Propagation)。人们常将按这一学习算法进行训练的多阶层前馈神经网络简称为BP网络。 本文首先简要介绍了人工神经网络的基本理论及概念，在第4章中对人工神经网络BP算法的理论、结构、训练学习过程及不足之处进行了较为深入的分析和研究。在第5章和第6章中研究了BP算法的具体应用实例，并对训练学习过程中遇到的问题和实验结果进行了分析，指出了BP算法的优缺点，及在实际的应用工作中存在的问题和有待进一步改进的地方。

全文目录


摘要  2-3
英文摘要Abstract  3-7
第1章 绪论  7-15
  1.1 引言  7
  1.2 什么是神经网络(Neural Network)  7-8
  1.3 人工神经网络的互连形态  8-9
  1.4 人工神经网络的特征及分类  9-10
    1.4.1 人工神经网络的特征  9-10
    1.4.2 人工神经网络的分类  10
  1.5 人工神经网络模型  10-11
  1.6 人工神经网络研究的主要内容  11-13
  1.7 研究人工神经网络及其应用的意义  13-14
  1.8 论文的组织  14-15
第2章 人工神经网络基本理论  15-27
  2.1 生物神经网络的人工模型与人工神经网络的构成  15-17
  2.2 人工神经网络的学习规则  17-20
  2.3 人工神经网络的几种基本类型  20-25
    2.3.1 神经元变换函数的三种类型  20-21
    2.3.2 常用的人工神经元模型  21-23
    2.3.3 人工神经网络的四种结构  23
    2.3.4 学习算法上的分类  23-25
  2.4 人工神经网络的基本特点  25-26
  2.5 小结  26-27
第3章 概率论与数理统计基础  27-33
  3.1 概率论  27-29
    3.1.1 样本空间  27-28
    3.1.2 事件的概率  28-29
  3.2 数理统计  29-32
    3.2.1 样本及抽样分布  29-30
    3.2.2 参数估计  30-32
  3.3 小结  32-33
第4章 BP神经网络模型  33-43
  4.1 BP网络模型的结构  33-34
  4.2 BP网络的学习过程  34-35
  4.3 BP网络学习的步骤  35-40
    4.3.1 BP网络学习的简单步骤  35
    4.3.2 BP网络学习的传播公式  35-39
    4.3.3 BP网络学习的算法描述  39-40
  4.4 单样例情况下BP算法流程图  40
  4.5 BP算法的不足  40-42
  4.6 小结  42-43
第5章 短期降水预报BP神经网络模型  43-47
  5.1 气象资料的整理  43-45
    5.1.1 验证短期降水预报准确率的主要要素  43-44
    5.1.2 资料的选取  44
    5.1.3 降水预报的判断  44-45
  5.2 BP网络结构设计  45
  5.3 参数的选取  45-46
  5.4 小结  46-47
第6章 短期降水预报BP神经网络算法  47-60
  6.1 BP网络各层初始参数及节点作用函数的确定  47-49
  6.2 网络训练学习过程  49
  6.3 网络训练学习结果  49-51
  6.4 网络实验结果  51-59
  6.5 结论  59
  6.6 小结  59-60
第7章 结束语  60-61
致谢  61-62
参考文献  62-65
附录1(攻读学位期间发表学术论文)  65

相似论文

  1. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  2. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  3. 兖州矿区植物波谱变异与重金属胁迫特征研究,X173
  4. 企业安全效益评价及发展对策研究,F272;F224.5
  5. 酮类化合物的3D-QSPR研究,O641
  6. 人类抗原肽载体结合力预测,R392.1
  7. 基于智能计算的网络学习评价模型研究与系统设计,TP18
  8. 基于小波神经网络模型的短期汇率预测,F224
  9. 神经元MOS管在神经网络中的应用研究,TP183
  10. 基于神经网络盲均衡优化算法的研究,TN911.7
  11. 产品功能疲劳对客户资产的影响研究,F224
  12. 烟煤掺烧印尼煤的动力配煤模型研究,TK227.1
  13. 一种在深度结构中学习原型的分类方法,TP18
  14. 面向电力营销服务的客户身份自动识别系统设计,TP391.41
  15. 浆体管道输送系统的过程监控与故障诊断,F426.1
  16. 考虑光伏发电的短期负荷预测,TM715
  17. 直升机主减速器故障诊断与故障预测技术研究,V267
  18. 基于DM642的红外运动目标检测与跟踪技术实现,TP391.41
  19. 人工神经网络在母线保护中的应用,TP183
  20. 浙商企业经营风险预警评价指标体系研究,F279.27
  21. 合成食品色素赤藓红、新红和靛蓝的光谱特性研究,O433.1

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com