摘要
1 绪论
1.1 木材干燥研究的进展与现状
1.1.1 我国木材干燥的主要现状
1.1.2 国外木材干燥的主要现状
1.1.3 国内外落叶松木材干燥的研究状况
1.2 人工神经网络的理论发展
1.2.1 人工神经网络的发展
1.2.2 人工神经网络的主要应用领域
1.3 人工神经网络在木材干燥及其含水率中的应用
1.3.1 延时神经网络和动态递归神经网络的研究
1.3.2 神经网络方法对木材含水率的研究现状
1.4 落叶松木材干燥研究的主要内容和意义
1.4.1 落叶松木材干燥研究的意义
1.4.2 落叶松木材千燥研究的内容
2 人工神经网络理论基础
2.1 人工神经网络模型
2.1.1 生物神经元模型
2.1.2 人工神经元模型
2.2 人工神经网络分类和学习
2.2.1 人工神经网络分类
2.2.2 人工神经网络工作过程
2.2.3 人工神经网络信息处理能力
2.3 BP神经网络及其算法
2.3.1 BP神经网络结构
2.3.2 BP神经网络算法
2.3.3 BP神经网络学习算法的改进
2.4 本章小结
3 基于人工神经网络的落叶松木材干燥研究
3.1 木材干燥含水率的控制
3.2 落叶松木材干燥研究的主要研究方法
3.2.1 落叶松木材干燥研究的依据
3.2.2 BP神经网络系统的预测方法
3.3 预测分析依据
3.3.1 干燥试验设备以及检测仪器
3.3.2 实验数据的收集记录
3.3.3 干燥试验主要过程
3.4 干燥试验结果
3.5 本章小结
4 简述多元回归分析
4.1 多元回归的一般模型
4.2 回归模型的参数估计和主要性质
4.3 显著性检验
4.3.1 回归系数的显著性检验(t检验)
4.3.2 方程的显著性检验(F检验)
4.3.3 检验回归方程对样本观测值的拟合程度
4.4 本章小结
5 基于多元回归分析的落叶松木材干燥模型的预测
5.1 数据的采集与整理
5.2 多元回归模型的建立
5.3 多元回归模型的检验
5.3.1 等级相关系数检验
5.3.2 加权结果及其对比
5.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
声明