人工神经网络及其在水质信息检测中的应用PDF|Epub|txt|kindle电子书版本网盘下载

人工神经网络及其在水质信息检测中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 人工神经网络概论1

1.1 人工神经网络发展概况及其特点1

1.2 人工神经网络在水质信息检测中的应用背景及其意义3

1.3 河流水流模型研究进展及存在问题7

1.3.1 国内外水质模型发展阶段7

1.3.2 现有水质模型存在的问题8

1.3.3 水环境模拟中的不确定性9

1.4 神经网络在水质评价中的应用研究10

1.4.1 水质评价基本方法11

1.4.2 人工神经网络用于地表水环境质量评价13

1.4.3 神经网络在水质模拟中的应用研究14

1.5 神经网络与水质模拟及水质评价结合的优势15

1.6 人工神经网络在水质信息检测处理中的应用前景18

第二章 人工神经网络基础知识20

2.1 人工神经网络概述21

2.1.1 生物神经元网络的基本原理23

2.1.2 人工神经网络的基本原理26

2.1.3 人工神经网络模型31

2.2 神经元网络的学习过程40

2.3 神经元网络的学习规则42

2.3.1 Hebb学习规则44

2.3.2 感知机（Perceptron）学习规则48

2.3.3 Delta学习规则50

2.4 神经元网络的工作过程52

第三章 在水质信息检测中常用的算法55

3.1 人工神经网络的训练（学习）55

3.2 几种常用的人工神经网络算法60

3.2.1 误差反传训练算法（Back Propagation,BP）60

3.2.2 RBF径向基函数神经网络67

3.3 RBF和BP神经网络的比较73

第四章 人工神经网络在水质信息检测中的应用75

4.1 不同学习算法对BP网络性能影响的研究75

4.1.1 BP网络的学习算法75

4.1.2 水质预测BP网络的建立77

4.2 用最佳学习算法预测黄河水DO浓度80

4.2.1 时间序列建模方法80

4.2.2 样本选取及数据预处理81

4.2.3 交互检验训练法82

4.2.4 优化与预测82

4.2.5 结果与讨论85

4.2.6 结论87

4.3 BP网络用于黄河水质的预测研究88

4.3.1 时间序列建模方法及算法88

4.3.2 样本选取及网络训练方法88

4.3.3 结果与讨论90

4.3.4 结论90

4.4 用于黄河水质综合评价的人工神经网络模型的研究92

4.4.1 建立计算模型及训练样本92

4.4.2 网络参数的确立95

4.4.3 应用实例95

4.4.4 结论96

4.5 应用人工神经网络对黄河甘肃段水质进行分类评价96

4.5.1 建模的数据96

4.5.2 网络训练的水质标准数据96

4.5.3 RBF的结果98

4.5.4 BP的结果100

4.5.5 结论101

4.6 运用BP网络优化DO的影响因素及预测DO含量101

4.6.1 实验前原始数据准备101

4.6.2 训练集和检测集的生成102

4.6.3 网络试验的内容104

4.6.4 小结108

4.6.5 实例110

4.6.6 结论111

4.7 不同的学习样本优化法对网络精确度的对比研究112

4.7.1 样本选取112

4.7.2 学习样本归一化选择113

4.7.3 隐含层节点数的优化119

4.7.4 线性插值122

4.7.5 结果与讨论123

4.7.6 应用实例123

4.8 主成分分析法研究黄河甘肃段水质影响因素124

4.8.1 主成成分析方法简述124

4.8.2 实例分析125

4.8.3 黄河甘肃段水质变化状况126

4.8.4 结论127

第五章 其他方法在水质检测中的应用128

5.1 水质评价模糊数学法128

5.1.1 水环境质量模糊综合评价模型128

5.1.2 水质评价模糊综合指数法的算法130

5.1.3 水质评价模糊综合指数法程序框图132

5.1.4 模糊综合指数法计算结果132

5.2 水质评价灰色聚类法134

5.2.1 水质灰色聚类评判模型135

5.2.2 水质评价灰色聚类法的算法136

5.2.3 水质评价灰色聚类法的程序框图137

5.2.4 灰色聚类法计算结果137

参考文献139