神經(jīng)網(wǎng)絡(luò)氣象預(yù)報建模理論方法與應(yīng)用

前言
第一章 緒論
1.1 人工神經(jīng)網(wǎng)絡(luò)的研究意義
1.2 人工神經(jīng)網(wǎng)絡(luò)技術(shù)的主要發(fā)展背景
1.3 我國神經(jīng)網(wǎng)絡(luò)研究發(fā)展概況
1.4 神經(jīng)網(wǎng)絡(luò)方法在大氣科學(xué)中的應(yīng)用研究
第二章 前饋神經(jīng)網(wǎng)絡(luò)
2.1 神經(jīng)元模型和網(wǎng)絡(luò)結(jié)構(gòu)
2.2 感知器
2.3 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)
2.4 多層前饋網(wǎng)絡(luò)與BP算法
第三章 反饋神經(jīng)網(wǎng)絡(luò)
3.1 前饋網(wǎng)絡(luò)與反饋網(wǎng)絡(luò)
3.2 Hopfield網(wǎng)絡(luò)概況
3.3 離散Hopfield網(wǎng)絡(luò)(DHNN)
3.4 連續(xù)Hopfield網(wǎng)絡(luò)(CHNN)
第四章 神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測模型
4.1 定性定量嵌套的短期氣候預(yù)測模型
4.2 兩種等級趨勢預(yù)報模型的對比分析
4.3 神經(jīng)網(wǎng)絡(luò)的集成預(yù)報
4.4 最優(yōu)子集的神經(jīng)網(wǎng)絡(luò)預(yù)報建模
4.5 具有門限變量的神經(jīng)網(wǎng)絡(luò)預(yù)報應(yīng)用
4.6 基于奇異譜分析重建序列的神經(jīng)網(wǎng)絡(luò)多步預(yù)測模型
第五章 神經(jīng)網(wǎng)絡(luò)混合預(yù)測模型
5.1 神經(jīng)網(wǎng)絡(luò)混合預(yù)報模型的建模理論分析
5.2 汛期降水的神經(jīng)網(wǎng)絡(luò)混合預(yù)報模型應(yīng)用分析
5.3 神經(jīng)網(wǎng)絡(luò)混合預(yù)報模型的性能分析
5.4 臺風(fēng)頻數(shù)的混合預(yù)報模型應(yīng)用分析
5.5 農(nóng)田旱澇神經(jīng)網(wǎng)絡(luò)混合預(yù)報模型的預(yù)報應(yīng)用
5.6 月降水量神經(jīng)網(wǎng)絡(luò)混合預(yù)報模型的預(yù)報研究
第六章 時間序列神經(jīng)網(wǎng)絡(luò)預(yù)報建模
6.1 多步預(yù)測的神經(jīng)網(wǎng)絡(luò)氣候預(yù)報模型
6.2 年平均氣溫的神經(jīng)網(wǎng)絡(luò)多輸出預(yù)報模型
6.3 農(nóng)田土壤濕度的神經(jīng)網(wǎng)絡(luò)預(yù)報
6.4 各種最優(yōu)定階準(zhǔn)則自回歸模型的神經(jīng)網(wǎng)絡(luò)預(yù)報方法研究
第七章 神經(jīng)網(wǎng)絡(luò)方法的其它氣象應(yīng)用研究
7.1 水面蒸發(fā)神經(jīng)網(wǎng)絡(luò)計(jì)算方法
7.2 農(nóng)田土壤濕度的人工神經(jīng)網(wǎng)絡(luò)診斷預(yù)測系統(tǒng)
7.3 人工神經(jīng)網(wǎng)絡(luò)的數(shù)字識別系統(tǒng)模型
7.4 高速公路能見度的神經(jīng)網(wǎng)絡(luò)預(yù)報方法應(yīng)用
7.5 數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報
第八章 神經(jīng)網(wǎng)絡(luò)預(yù)報建模的關(guān)鍵技術(shù)
8.1 神經(jīng)網(wǎng)絡(luò)的泛化性能和過擬合問題
8.2 預(yù)報模型泛化性能的改進(jìn)方法和原理
8.3 提高網(wǎng)絡(luò)泛化性能的系統(tǒng)降維實(shí)用方法
附錄 神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)程序
參考文獻(xiàn)