第一章 人工神经网络 1
1.1 神经网络原理 1
1.2 神经网络研究进展 4
1.3 神经网络的应用 7
第二章 神经网络在古气候模拟中的应用 9
2.1 研究进展 9
2.1.1 东亚季风环流系统的研究 9
2.1.2 东亚季风系统中季节变化研究 9
2.1.3 东亚季风中低频振荡（MJO）活动及对中国夏季降水的影响 10
2.1.4 东亚季风年际变化和年代际变化的研究 10
2.1.5 东亚季风系统形成及变化机制的研究 11
2.1.6 古季风研究 12
2.1.7 气候代用指标 12
2.1.8 西风带研究进展 13
2.1.9 ENSO产生的机理 15
2.1.10 ENSO对气候的影响 18
2.1.11 古气候模拟目的和研究意义 20
2.2 数据来源 21
2.3 古气候影响因素相关分析 24
2.3.1 数据处理及结果分析 25
2.4 古气候代用指标周期分析 31
2.4.1 数据处理及结果分析 32
2.5 古气候代用指标多元回归分析 33
2.5.1 数据处理及结果分析 34
2.6 古气候神经网络预测模型构建与模拟分析 43
2.6.1 数据处理及结果分析 43
2.6.2 神经网络模拟结论 53
2.7 结论 55
第三章 神经网络在大气污染预测中的应用 57
3.1 神经网络在上海市空气污染指数预测的应用 59
3.1.1 数据资料 59
3.1.2 归一化方案 59
3.1.3 网络训练 59
3.1.4 结果 60
3.1.5 结论 61
3.2 神经网络在宝鸡市大气污染中的应用 62
3.2.1 仿真数据来源 62
3.2.2 实验方法 63
3.2.3 仿真结果 64
3.2.4 讨论 65
3.2.5 结论 66
3.3 神经网络在西安市空气污染指数的应用 66
3.3.1 西安市空气污染指数数据 67
3.3.2 西安市空气污染指数预测模型 68
3.3.3 实验结果 69
3.3.4 讨论 71
3.3.5 结论与展望 72
第四章 神经网络在水质模拟与预测中的应用 73
4.1 BP神经网络在渭河水环境质量评价中的应用 74
4.1.1 实验观测数据与方法 74
4.1.2 数据预处理 75
4.1.3 输入层和输出层神经元数目的选取 76
4.1.4 隐含层神经元数目的选取 76
4.1.5 转换函数与训练函数的确定 76
4.1.6 结果与分析 77
4.1.7 结论 78
4.2 BP人工神经网络模型在太湖水污染物浓度预测中的应用 79
4.2.1 材料与方法 80
4.2.2 结果与分析 81
4.2.3 讨论 85
4.3 滇池水污染物浓度预测的人工神经网络模型 86
4.3.1 资料与预处理 86
4.3.2 BP人工神经网络模型的建立 87
4.3.3 结果与讨论 88
4.3.4 结论 91
第五章 基于神经网络的经济预测模型研究 93
5.1 基于人工神经网络的GDP预测模型 94
5.1.1 GDP数据来源和预处理 94
5.1.2 神经网络模型的构建 95
5.1.3 结果 98
5.1.4 结论 99
5.2 基于BP神经网络的农民收入预测模型 100
5.2.1 指标选取、数据来源及研究方法 102
5.2.2 输入层、输出层以及隐含层节点数的选取 102
5.2.3 结果与分析 103
5.2.4 模拟分析 104
5.2.5 政策建议 105
5.3 神经网络在旅游业预测中的应用 106
5.3.1 实验数据 107
5.3.2 实验方法 107
5.3.3 实验结果 108
5.3.4 结论 109
参考文献 110