摘要
缩略语表
1 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 预报因子的预处理
1.2.2 预报因子的筛选
1.2.3 神经网络结构优化
1.2.4 时间序列
1.2.5 时间序列预测
1.2.6 传统时间序列分析方法
1.2.7 传统降水量预测模型
2 研究区概况及数据收集
2.1 研究区域
2.2 降水的形成
2.2.1 降水的时间变化
2.2.2 降水变率
2.2.3 降水的地理分布
2.2.4 洞庭湖流域降水量变化特征
2.2.5 洞庭湖流域月降水量数据
2.3 大尺度气候指数
2.3.1 印度洋偶极子
2.3.2 南极涛动
2.3.3 北大西洋涛动
2.3.4 全球平均气温距平
2.3.5 太平洋年代际振荡
2.3.6 北方涛动指数
3 研究方法
3.1小波分析
3.2 互信息相关性分析
3.3 神经网络
3.4 粒子群优化算法
3.5 评价标准
4 小波神经网络模型
4.1 神经网络模型
4.1.1 基本步骤
4.1.2 预报因子的筛选
4.1.3 粒子群算法优化cF神经网络结构
4.1.4 预测结果
4.2 小波神经网络模型基本步骤
4.3 小波神经网络模型预报因子处理
4.4 小波神经网络模型预测结果
5 小波互信息神经网络的预测模型
5.1 基本步骤
5.2 预报因子处理和筛选
5.3 预测结果
5.4 结果分析
6 结论与展望
6.1 主要结论
6.2 主要创新点
6.3 讨论与展望
参考文献
附录
致谢
声明