第一个书签之前
摘 要
Abstract
目 录
1 绪论
1.1 引言
1.2 研究背景和意义
1.3 地下水位预测的国内外研究现状
1.3.1 确定性模型
1.3.2 随机性模型
1.4 本文的主要研究内容及文章组织结构
1.4.1 主要研究内容
1.4.2 文章组织结构
2 结合小波变换的GRU地下水位预测模型
2.1 GRU深度神经网络基本原理
2.1.1 循环神经网络(RNNs)简述
2.1.2 RNNs的延伸——GRU-RNNs
2.1.3 GRU网络的训练过程
2.2 结合小波变换的地下水位预测模型
2.3 本章小结
3 利用蝗虫优化算法改进GRU预测模型
3.1 蝗虫优化算法及其改进
3.1.1 标准的蝗虫优化算法(GOA)
3.1.2 改进的蝗虫优化算法(IGOA)
3.1.3 算法性能测试与分析
3.2 IGOA-GRU预测模型的建立
3.2.1 优化参数和适应度函数的选择
3.2.2 IGOA-GRU预测模型建立的基本步骤
3.3 模型的评价指标
3.4 本章小结
4 地下水位预测研究及应用实例分析
4.1 历史数据的归一化
4.2 数据的滚动预测法
4.3 WT-IGOA-GRU模型的地下水位预测过程
4.4 基于WT-IGOA-GRU模型的地下水位预测实例研究
4.4.1 研究数据来源及趋势分析
4.4.2 地下水位数据的小波分解
4.4.3 利用WT-IGOA-GRU模型预测地下水位
4.5 基于不同网络模型的地下水位预测实例研究及对比分析
4.5.1 基于WT-IGOA-BP模型的地下水位预测
4.5.2 基于WT-IGOA-RBF模型的地下水位预测
4.5.3 不同网络模型对比分析
4.6 本章小结
5 总结和展望
5.1 本文总结
5.2 工作展望
致谢
参考文献