【正文】 。非常感謝XXX老師能夠給我提供參與師兄預(yù)答辯的機會。，將問題要點記在本子上，可以對幾個問題進(jìn)行統(tǒng)一回答。突出個人工作和結(jié)果；展望和工作的不足之處不宜多，淡化處理。實驗結(jié)果的表示要精煉，讓人容易理解；對比試驗要公平，有說服力，對比對象要新，要有對比意義，從而體現(xiàn)自己的工作價值（這是研究方法和論文寫作階段都有的問題，但是答辯時常被質(zhì)問）。理清邏輯，讓觀眾到此明白問題輪廓和自己的工作全貌。背景介紹盡量簡練，23頁為宜，但信息量要足，目的是給出研究背景（對應(yīng)選題意義）、現(xiàn)狀，總結(jié)當(dāng)前工作的不足，從而引出自己的工作。不是宣讀論文，也不是宣讀寫作提綱和朗讀內(nèi)容提要。10．本文的優(yōu)缺點。8．定稿交出后，自己重讀審查新發(fā)現(xiàn)的缺陷。6．本應(yīng)涉及或解決但因力不從心而未接觸的問題；因認(rèn)為與本文中心關(guān)系不大而未寫入的新見解。4．學(xué)術(shù)界和社會上對某些問題的具體爭論，自己的傾向性觀點。2．說明這個課題的歷史和現(xiàn)狀，即前人做過哪些研究，取得哪些成果，有哪些問題沒有解決，自己有什么新的看法，提出并解決了哪些問題。講普通話，用詞準(zhǔn)確，講究邏輯，吐詞清楚，聲音洪亮，抑揚頓挫，助以手勢說明問題；力求深刻生動；對答如流，說服力、感染力強，給教師和聽眾留下良好的印象。既敢于闡發(fā)自己獨到的新觀點、真知灼見，維護(hù)自己正確觀點，反駁錯誤觀點，又敢于承認(rèn)自己的不足，修正失誤。（4）有答有辯。（3）清晰明白。（2）重點突出。7．回答問題要注意的幾點：（1）正確、準(zhǔn)確。5．對提出的問題，要在短時間內(nèi)迅速做出反應(yīng)，以自信而流暢的語言，肯定的語氣，不慌不忙地—一回答每個問題。3．坦然鎮(zhèn)定，聲音要大而準(zhǔn)確，使在場的所有人都能聽到。首先是答辯注意事項上：1．帶上自己的論文、資料和筆記本。首先是師兄對自己的課題進(jìn)行答辯，接著參與答辯的老師進(jìn)行提問，然后是答辯的學(xué)生對老師的提問進(jìn)行一一解答。我雖然是研一，但有幸以一名答辯老師的身份參與了師兄的預(yù)答辯?？偨Y(jié)及展望本章對前六章的工作內(nèi)容作了簡要總結(jié)與分析，指出論文中存在的不足并簡要闡述了今后研究工作的展望。仿真實驗表明：采用遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)模型，達(dá)到了提高訓(xùn)練精度和收斂速度的目的，這說明WGANN算法具有更高的魯棒性和更高的預(yù)測精度，遺傳算法優(yōu)化了小波算法收斂慢和容易陷入局部極小值的不足。預(yù)測平均誤差提高了8%，預(yù)測精度提高了4%，效果理想 迭代曲線對比圖這是小波神經(jīng)網(wǎng)絡(luò)與優(yōu)化后網(wǎng)絡(luò)在相同條件下的迭代曲線圖，可以發(fā)現(xiàn)算法優(yōu)化后模型在迭代100次時，基本收斂于目標(biāo)條件，曲線趨于平穩(wěn)狀態(tài)；而傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)模型要迭代400次左右才能收斂于目標(biāo)條件。還有其他外在因素的影響，如票價、天氣、節(jié)假日等都會對實驗結(jié)果造成一定誤差，但通過分析發(fā)現(xiàn)除了實驗數(shù)據(jù)造成的誤差外，小波神經(jīng)網(wǎng)絡(luò)自身的不足是造成誤差的重要原因，小波神經(jīng)網(wǎng)絡(luò)模型的不足如圖是網(wǎng)絡(luò)迭代次數(shù)與誤差百分比之間的關(guān)系，當(dāng)?shù)?50次時陷入局部極小值，這會使預(yù)測結(jié)果產(chǎn)生較大的誤差，而且小波神經(jīng)網(wǎng)絡(luò)的收斂速度也較慢，學(xué)習(xí)效率低，對參數(shù)選擇較為敏感，針對這些不足，提出用遺傳算法進(jìn)行優(yōu)化。誤差分析針對小波神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的誤差，從四個方面進(jìn)行了誤差分析：實驗數(shù)據(jù)的采集、實驗數(shù)據(jù)預(yù)處理、實驗影響因素、小波神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)模型（4101，）這是在小波神經(jīng)網(wǎng)絡(luò)確定了結(jié)構(gòu)和學(xué)習(xí)率情況下，以自貢燈會入口人流量為實驗對象的仿真圖，發(fā)現(xiàn)預(yù)測效果較理想，高峰期（1400人）最大誤差為350人左右，大多數(shù)都在100人以內(nèi)浮動 評價指標(biāo)這是小波神經(jīng)網(wǎng)絡(luò)模型預(yù)測自貢燈會入口短時人流量的各評價指標(biāo)值，由表可以看出，平均絕對誤差是64人左右，%左右，當(dāng)EC，說明預(yù)測效果較好，越接近1說明預(yù)測結(jié)果的可靠性越高，本文預(yù)測精確度達(dá)92%，體現(xiàn)出了實時性。小波神經(jīng)網(wǎng)絡(luò)各層節(jié)點的選擇在第四章簡要介紹了小波神經(jīng)網(wǎng)絡(luò)的原理及學(xué)習(xí)算法推導(dǎo)過程，重點分析了小波神經(jīng)網(wǎng)絡(luò)各層節(jié)點及參數(shù)的選擇，小波神經(jīng)網(wǎng)絡(luò)往往選取三層結(jié)構(gòu)，輸入層和輸出層可以根據(jù)實際應(yīng)用要求確定，本次實驗選取輸入個數(shù)為4，輸出個數(shù)為1，而隱含層的神經(jīng)元個數(shù)選取則是一個難點，一般根據(jù)經(jīng)驗公式選擇，根據(jù)輸入4，輸出1，根據(jù)公式可算出隱含層個數(shù)在4~12之間 實驗對比驗證這是在輸入層為4，輸出層為1，模型其他參數(shù)都一致，而輸入層不同的情況下，進(jìn)行50此仿真取平均值，表示預(yù)測模型優(yōu)劣評價指標(biāo)結(jié)果，由表可以看出，在隱含層節(jié)點數(shù)為10時，各評價指標(biāo)最優(yōu)。這是歸一化代碼。這是數(shù)據(jù)小波分解，隨機噪聲主要集中在d1層，加大d1層的閾值，這是降噪后與原始信號對比圖。這是修復(fù)后與修復(fù)前數(shù)據(jù)對比圖。基于對會展入口短時人流特征的分析以及己有預(yù)測模型的綜合比較，發(fā)現(xiàn)融入模型中的小波神經(jīng)網(wǎng)絡(luò)模型既具有小波良好的時—頻局部特性和變焦能力，又有神經(jīng)網(wǎng)絡(luò)極強的非線性、自學(xué)習(xí)能力和相對較高的預(yù)測精度，對非線性變化的數(shù)據(jù)序列不用建立精確模型就能進(jìn)行預(yù)測，這一特征恰好符合入口短時人流數(shù)據(jù)的隨機性和難以建立精確模型這一特性。這樣有