1 绪论
1.1 研究目的与意义
1.2 国内外研究现状
1.3 研究思路和方法
1.4 本文的主要工作及结构安排
1.5 本章小结
2 相关理论与方法
2.1 基于PCA的数据降维
2.2 人工神经网络概述
2.3 RBF神经网络概述
2.4 本章小结
3 基于K-means聚类算法的RBF神经网络降水预报模型
3.1 RBF隐节点数的确定
3.2 RBF隐含层基函数中心参数的确定
3.3 RBF隐含层基函数宽度的确定
3.4 输出层权值的确定
3.5 本章小结
4 基于粒子群算法的优化RBF神经网络降水预报模型
4.1 粒子群算法
4.2 PSO算法的改进
4.3 基于种群分组的PSO改进算法及其性能分析
4.4 PSO-RBF神经网络降水预报模型
4.5 本章小结
5 应用研究
5.1 RBF神经网络降水预报模型应用框架及实验环境
5.2 预报区域降水数据处理
5.3 区域短临降水预报
5.4 区域降水预报结果分析
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
附录1 K-means-RBF、PSO-RBF、GPSO-RBF关键代码
在读期间的研究成果
致谢