第一章 绪论 1
1．1 人工神经网络的研究意义 1
1．2 人工神经网络技术的主要发展背景 2
1．3 我国神经网络研究发展概况 3
1．4 神经网络方法在大气科学中的应用研究 4
第二章 前馈神经网络 9
2．1 神经元模型和网络结构 9
2．2 感知器 16
2．3 自适应线性神经网络 35
2．4 多层前馈网络与BP（Back Propagation）算法 39
第三章 反馈神经网络 48
3．1 前馈网络与反馈网络 48
3．2 Hopfield网络概况 49
3．3 离散Hopfield网络（DHNN） 53
3．4 连续Hopfeld网络（CHNN） 66
第四章 神经网络短期气候预测模型 75
4．1 定性定量嵌套的短期气候预测模型 75
4．2 两种等级趋势预报模型的对比分析 85
4．3 神经网络的集成预报 89
4．4 最优子集的神经网络预报建模 96
4．5 具有门限变量的神经网络预报应用 101
4．6 基于奇异谱分析重建序列的神经网络多步预测模型 105
第五章 神经网络混合预报模型 111
5．1 神经网络混合预报模型的建模理论分析 111
5．2 汛期降水的神经网络混合预报模型应用分析 112
5．3 神经网络混合预报模型的性能分析 116
5．4 台风频数的混合预报模型应用分析 120
5．5 农田旱涝神经网络混合预报模型的预报应用 124
5．6 月降水量神经网络混合预报模型的预报研究 129
第六章 时间序列神经网络预报建模 143
6．1 多步预测的神经网络气候预报模型 143
6．2 年平均气温的神经网络多输出预报模型 149
6．3 农田土壤湿度的神经网络预报 154
6．4 各种最优定阶准则自回归模型的神经网络预报方法研究 158
第七章 神经网络方法的其它气象应用研究 162
7．1 水面蒸发神经网络计算方法 162
7．2 农田土壤湿度的人工神经网络诊断预测系统 164
7．3 人工神经网络的数字识别系统模型 168
7．4 高速公路能见度的神经网络预报方法应用 176
7．5 数值预报产品的神经网络释用预报 178
第八章 神经网络预报建模的关键技术 186
8．1 神经网络的泛化性能和过拟合问题 186
8．2 预报模型泛化性能的改进方法和原理 188
8．3 提高网络泛化性能的系统降维实用方法 191
附录 神经网络计算程序 202
参考文献 208