声明
摘要
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 研究意义
1.4 水质评价常用方法
1.5 研究主要技术及内容
第二章 神经网络简介
2.1 人工神经网络概念及原理
2.2 人工神经网络的结构
2.2.1 生物学的神经网络
2.2.2 人工神经元
2.2.3 人工神经网络的结构
2.2.4 人工神经网络的学习过程
2.3 人工神经网络在水质评价中的应用
2.3.1 评价标准
2.3.2 水质评价参数的选择
2.3.3 数据来源
第三章 构建BP神经网络水质模型
3.1 网络模型的结构
3.1.1 网络层数及节点数的选取
3.1.2 网络激活函数的选取
3.1.3 网络的权值选取及调整
3.2 神经网络对水质评价过程
3.2.1 BP网络算法训练过程及仿真结果
3.3 神经网络在水质评价中存在的缺陷
3.4 基本BP算法的改进
第四章 概率神经网络水质模型
4.1 PNN模式识别机理
4.1.1 贝叶斯分类
4.1.2 Parzen窗
4.1.3 PNN网络进行水质分类的原理
4.2 PNN水质模型的结构及算法实现
4.3 PNN水质模型仿真
4.4 PNN网络进行水质评价的特点
第五章 遗传算法优化的BP在水质评价中的应用及比较
5.1 遗传算法的特性
5.2 遗传算法的优化
5.2.1 编码方法和策略
5.2.2 避免遗传算法陷入局部极小
5.3 遗传神经网络水质评价模型的构建
5.3.1 遗传算法的理论依据
5.3.2 遗传算法水质模型要素的参数选择
5.3.3 遗传算法水质模型的拓扑结构
5.3.4 遗传算法的操作
5.3.5 初始化权重及阈值
5.4 遗传算法优化最终效果及迭代过程
第六章 结论
参考文献
致谢
浙江海洋大学;