1. 毕业设计（论文）主要内容：

基于卷积神经网络的深度神经网络的天气预测模型，是一个非线性模型，鉴于神经网络有很强的处理非线性系统的能力，用于天气预测以期于识别天气动态变化过程与其影响因子之间的非线性关系，为天气预测开辟新途径。

将卷积神经网络模型与传统回归模型进行对比分析并用于实际模拟，最后分析结果与天气变化规律相契合的程度。

毕设主要内容包括：
(1) 卷积神经网络原理和基于时序的卷积神经网络模型；
(2) 掌握利用基于时序的卷积神经网络进行数值模拟的方法；
(3) 通过对天气预测模型的构建与滑动时间窗函数的结合以及多种影响因子的综合考量，研究未来天气变化特性曲线和趋势；
(4) 完成毕业论文。

2. 毕业设计（论文）主要任务及要求

(1)查阅不少于15篇（其中近5年的外文文献不少于3篇）的相关资料
(2)完成开题报告（设计的目的及意义至少800汉字；基本内容和技术方案至少400汉字）。

(3)完成不少于5000汉字（20000英文印刷符）的英文文献翻译。

(4)查阅不少于15篇（其中近5年的外文文献不少于3篇）的相关资料，完成不少于12000字的毕业论文
(5)正文应包含不少于12幅图（包括：电路原理图、流程图、结构框图、程序框图）。

3. 毕业设计（论文）完成任务的计划与安排

(1) 第1周—第3周 搜集资料，撰写开题报告；
(2) 第4周—第5周 论文开题；
(3) 第6周—第12周 撰写论文初稿；
(4) 第12周—第15周 修改论文；
(5) 第16周 论文答辩。

4. 主要参考文献

[1] 黄文坚，唐源．Tensorflow实战[M]．北京：电子工业出版社, 2017,1-83.
[2] 王磊.人工神经网络原理、分类及应用[J]. 科技资讯，2014，（3）：1672-3791.
[3] 张顺，龚怡宏，王进军．深度卷积神经网络的发展及其在计算机视领域的应用[J].计算机学报, 2017, 40.
[4] Larissa Ferreira Rodrigues..Exploiting Convolutional Neural Networks and Preprocessing Techniques for HEp-2 Cell Classification in Immunofluorescence Images[J]. Graphics Patterns and Images (SIBGRAPI) 2017 30th SIBGRAPI Conference on, pp. 170-177, 2017, ISSN 2377-5416.
[5] Kuen J, Shahroudy A etal.Recent Advances in Convolutional Neural Networks[J].Pattern Recognition Volume 77,May 2018,Pages354-377.