文摘
英文文摘
声明
第一章绪论
1.1模糊逻辑与神经网络的优势及结合的必然性
1.2基于T-S模型的模糊神经网络是模糊逻辑与神经网络的有机结合
1.3水质监测数据处理的发展现状
1.4本文的主要研究内容
第二章模糊理论和神经网络理论
2.1模糊集合和模糊理论的发展与现状
2.1.1模糊集合的概念
2.1.2模糊理论的发展和现状
2.2人工神经网络的基本类型和功能特点
2.2.1基本人工神经元及其网络模块
2.2.2人工神经网络的功能和特点
2.3本章小结
第三章模糊神经网络
3.1模糊信息处理的神经网络方法
3.2模糊神经元模型
3.3模糊神经网络模型
3.4网络学习方法
3.5本章小结
第四章ANFIS算法及分析
4.1概述
4.2 ANFIS网络结构
4.2.1基于网格的ANFIS
4.2.2基于聚类的ANFIS
4.3 ANFIS学习算法
4.3.1反向传播算法
4.3.2最小二乘法
4.3.3综合学习算法
4.3.4学习算法的选择
4.4 ANFIS模型分析
4.4.1模型建立步骤
4.4.2确定输入输出
4.4.3输入空间划分
4.4.4确定隶属函数
4.4.5参数辨识
4.5本章小结
第五章D-S证据理论
5.1 D-S证据理论
5.1.1基本概念
5.1.2 Dempster组合规则
5.1.3基本性质
5.1.4基本信任分配函数的构造方法
5.2目标判定原则
5.3本章小结
第六章基于T-S模型的模糊神经网络在水质评价中的应用
6.1引言
6.2评价模型
6.3模型参数的个数
6.3.1前件网络参数的个数
6.3.2后件网络参数的个数
6.4训练样本的准备
6.5期望目标的指定
6.6水质评价等级的划分界限
6.7网络的训练、检测及水质评价
6.8基于D-S证据理论和BP网络的水质监测数据处理
6.8.1基于D-S证据理论的水质监测数据处理
6.8.2基于BP网络的水质监测数据处理
6.9比较分析
6.10本章小结
第七章结论
致谢
参考文献
攻读硕士学位期间发表的学术论文