前言
1 緒論
1.1 研究背景
1.2 研究需求和意義
1.3 外研究現狀
1.3.1 多源異構數據協(xié)同研究
1.3.2 草畜平衡研究
1.4 研究內容及主要貢獻
1.5 本書結構安排
1.6 小結
2 基于物聯(lián)網的動態(tài)草畜平衡系統(tǒng)及其關鍵技術
2.1 研究區(qū)域概況
2.2 多源異構數據介紹
2.2.1 氣象傳感數據
2.2.2 衛(wèi)星遙感數據NDVI
2.2.3 關鍵氣象傳感數據的確定
2.3 草畜平衡概述
2.4 草畜平衡系統(tǒng)
2.5 動態(tài)草畜平衡系統(tǒng)及其關鍵技術
2.5.1 動態(tài)草畜平衡系統(tǒng)
2.5.2 動態(tài)草畜平衡系統(tǒng)的關鍵技術
2.6 小結
3 基于神經網絡的降水量時間數據自回歸預測模型
3.1 人工神經網絡模型概述
3.1.1 人工神經網絡的定義
3.1.2 人工神經網絡的發(fā)展概述
3.1.3 人工神經網絡結構
3.1.4 人工神經網絡學習方式
3.1.5 靜態(tài)與動態(tài)神經網絡
3.2 基于BPNN的降水量自回歸預測模型
3.2.1 BPNN的建模方法
3.2.2 基于BPNN的降水量自回歸預測建模及結果分析
3.3 基于TDNN的降水量自回歸預測模型
3.3.1 TDNN的建模方法
3.3.2 基于TDNN的降水量自回歸預測建模及結果分析
3.4 基于NARX的降水量自回歸預測模型
3.4.1 NARX的建模方法
3.4.2 基于NARX的降水量自回歸預測建模及結果分析
3.5 三種用于降水量自回歸預測的神經網絡模型比較
3.6 小結
4 基于神經網絡的多源異構時間數據協(xié)同模型
4.1 基于神經網絡的多源異構數據協(xié)同方法
4.2 基于BPNN的多源異構數據協(xié)同模型
4.2.1 基于BPNN的多源異構數據協(xié)同模型結構
4.2.2 基于BPNN的多源異構數據協(xié)同結果分析
4.3 基于TDNN的多源異構數據協(xié)同模型
4.3.1 基于TDNN的多源異構數據協(xié)同模型結構
4.3.2 基于TDNN的多源異構數據協(xié)同結果分析
4.4 基于NARX的多源異構數據協(xié)同模型
4.4.1 基于NARX的多源異構數據協(xié)同模型結構