1 绪论
1.1 研究目的及意义
1.2 国内外研究状况
1.2.1国内研究状况
1.2.2 国外研究状况
1.3 本文主要研究内容
2 神经网络理论基础
2.1 人工神经元
2.1.1 生物神经元
2.1.2 人工神经元模型
2.1.3 激励函数
2.2 人工神经网络模型
2.2.1 前馈神经网络
2.2.2 反馈神经网络
2.2.3 神经网络的学习方式
2.2.4 几种典型的神经网络
2.3 Elman神经网络
2.3.1 Elman神经网络简介
2.3.2 Elman神经网络算法
3 主成分分析法选定气象因子
3.1 数据来源
3.2 统计方法和原理
3.2.1基本原理
3.2.2计算步骤
3.3 主成分分析确定权重
3.3.1福山站各因素权重的确定
3.3.2莒县站各因素权重的确定
3.3.3济南站各因素权重的确定
3.3.4 结果分析
4 Elman神经网络堆日总辐射曝辐量预估的应用
4.1数据与方法
4.1.1数据选取
4.1.2数据预处理
4.1.3 隐含层节点数的确定
4.1.4模型评价指标
4.2结果与分析
4.2.1福山站Elman神经网络模型预估结果分析
4.2.2莒县站Elman神经网络模型预估结果分析
4.2.3济南站Elman神经网络模型预估结果分析
4.3 讨论
4.3.1 与GRNN网络结果对比分析
4.3.2 大气污染对日总辐射曝辐量的影响
4.4 结论
5 改进Elman神经网络对日总辐射曝辐量预估的应用
5.1 改进Elman网络模型
5.2 数据选取
5.3结果与讨论
5.3.1预估百分比误差分析
5.3.2 预估值与观测值的散点拟合图分析
5.3.3 预估值与观测值的比较与分析
5.3.4 改进Elman与Elman预估结果对比
5.4 结论
6 Elman神经网络训练次数及训练规模
6.1 Elman神经网络训练次数对预估结果的影响
6.1.1神经网络的训练次数
6.1.2 Elman神经网络的训练次数对预估结果的影响分析
6.1.3讨论
6.1.4总结
6.2 Elman神经网络训练规模对预估结果的影响
6.2.1实验设计
6.2.2 实验结果与比较
6.2.3 总结分析
总结与展望
参考文献
致谢
声明
