摘要
第1章绪论
1.2国外研究进展
1.3国内研究现状
1.4课题研究的主要内容
1.5本文组织结构
第2章神经网络结构及其研究
2.1人工神经网络简介
2.1.1生物神经网络简介
2.1.2人工神经元模型
2.2神经网络的结构
2.2.1前馈神经网络
2.2.2反馈神经网络
2.3 BP神经网络
2.3.1 BP神经网络模型
2.3.2 BP神经网络学习算法过程
2.3.3 BP网络学习算法的比较
2.3.4 BP神经网络的优缺点
2.4粒子群(PSO)算法理论
2.4.1粒子群(PSO)算法背景
2.4.2粒子群(PSO)算法原理
2.4.3粒子群(PSO)算法步骤
2.4.4粒子群(PSO)算法的优缺点
2.4.5粒子群(PSO)算法的改进
2.5差分进化(DE)算法理论
2.5.1差分进化(DE)算法背景
2.5.2差分进化(DE)算法原理
2.5.3差分进化(DE)算法步骤
2.5.4差分进化(DE)算法的优缺点
2.5.5差分进化(DE)算法的改进
2.6混沌优化(COA)算法理论
2.6.1混沌优化(COA)算法背景
2.6.2混沌优化(COA)算法原理
2.7本章小结
第3章基于PCA的臭氧的突出因素主成分分析
3.1台北臭氧浓度趋势
3.2预测对象相关因子分析
3.3主成分分析降维
3.3.1主成分分析步骤
3.3.2分析臭氧因素的相关性
3.3.3计算主成分得分
3.4不同季节臭氧与气象、大气污染因素关系
3.5本章小结
4.2 C-PSODE算法整体设计
4.3 C-PSODE算法性能验证
4.3.1多极值函数的优化测试
4.3.2优化测试结果分析
4.4 C-PSODE-BP神经网络臭氧预测模型
4.4.1预测模型参数设置
4.4.2神经网络结构确定
4.5本章小结
第5章臭氧污染浓度预测结果分析
5.1数据来源及预处理
5.1.1样本选择
5.1.2数据归一化
5.2网络训练及预测结果分析
5.2.1算法相关参数初始化
5.2.2模型预测结果分析
5.2.3网络训练性能指标比较
5.2.4网络输出数据复合系数比较
5.2.5网络预测结果分析
5.3其他季节臭氧浓度预测应用
5.4结果分析
5.5本章小结
6.1总结
6.2展望
参考文献
攻读硕士学位期间发表的论文和参加的科研工作
致谢
声明