|
|
|
泾河流域径流预报模型研究 |
|
论文目录 |
|
摘要 | 第5-7页 | ABSTRACT | 第7-8页 | 第一章 绪论 | 第11-23页 | 1.1 研究目的和意义 | 第11页 | 1.2 国内外研究进展 | 第11-19页 | 1.2.1 传统水文预报方法 | 第12-14页 | 1.2.2 现代水文预报方法 | 第14-19页 | 1.3 目前研究存在的问题 | 第19-20页 | 1.4 本文主要研究内容和技术路线 | 第20-21页 | 1.4.1 研究的主要内容 | 第20页 | 1.4.2 技术路线 | 第20-21页 | 1.5 研究区概况及资料 | 第21-23页 | 第二章 研究原理和方法 | 第23-33页 | 2.1 人工神经网络 | 第23-25页 | 2.1.1 BP神经网络模型 | 第23-24页 | 2.1.2 BP学习算法 | 第24-25页 | 2.2 差分自回归移动平均模型 | 第25-27页 | 2.2.1 模型原理 | 第25-26页 | 2.2.2 求解ARIMA模型的一般步骤 | 第26-27页 | 2.3 支持向量机 | 第27-29页 | 2.3.1 支持向量机基本原理 | 第27-28页 | 2.3.2 支持向量机回归方法 | 第28-29页 | 2.4 广义回归神经网络 | 第29-31页 | 2.4.1 网络基本结构 | 第29-30页 | 2.4.2 GRNN的理论基础 | 第30-31页 | 2.5 小波分析 | 第31-32页 | 2.6 模型模拟和预报效果精度评定方法 | 第32-33页 | 第三章 基于单项预测方法的月径流预测 | 第33-41页 | 3.1 BP神经网络模型 | 第33-34页 | 3.1.1 BP网络结构确定 | 第33页 | 3.1.2 BP网络预测结果 | 第33-34页 | 3.2 支持向量机回归模型 | 第34-36页 | 3.2.1 建模步骤 | 第34页 | 3.2.2 模型应用 | 第34-36页 | 3.3 广义回归神经网络模型 | 第36-37页 | 3.4 差分自回归移动平均模型 | 第37-39页 | 3.5 单项预测方法精度比较 | 第39-40页 | 3.6 本章小结 | 第40-41页 | 第四章 基于组合预测方法的日、月径流预测 | 第41-55页 | 4.1 小波神经网络模型 | 第41-43页 | 4.1.1 模型建立 | 第41-42页 | 4.1.2 模型应用 | 第42-43页 | 4.2 小波支持向量机回归模型 | 第43-47页 | 4.2.1 模型建立 | 第43-44页 | 4.2.2 模型应用 | 第44-47页 | 4.3 小波广义回归神经网络模型 | 第47-49页 | 4.3.1 模型建立 | 第47页 | 4.3.2 模型应用 | 第47-49页 | 4.4 组合预测方法精度比较 | 第49-50页 | 4.5 基于小波支持向量机回归模型的日径流预测 | 第50-53页 | 4.5.1 模型建立 | 第50-51页 | 4.5.2 模型应用 | 第51-53页 | 4.6 本章小结 | 第53-55页 | 第五章 结论与展望 | 第55-57页 | 5.1 结论 | 第55-56页 | 5.2 展望 | 第56-57页 | 参考文献 | 第57-61页 | 致谢 | 第61-62页 | 作者简介 | 第62页 |
|
|
|
|
论文编号BS2667901,这篇论文共62页 会员购买按0.35元/页下载,共需支付21.7元。 直接购买按0.5元/页下载,共需要支付31元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|