| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·课题背景及意义 | 第10-11页 |
| ·舰船运动极短期预报研究及发展概况 | 第11-21页 |
| ·本文的主要工作 | 第21-23页 |
| 第2章 灰色系统理论基础 | 第23-31页 |
| ·灰色系统理论概述 | 第23-25页 |
| ·什么是灰色系统 | 第23-24页 |
| ·灰色系统理论的产生与发展 | 第24-25页 |
| ·灰色系统理论的基本原则、主要内容、原理与方法 | 第25-28页 |
| ·灰色系统理论的基本原则 | 第25页 |
| ·灰色系统理论的主要内容 | 第25-26页 |
| ·灰色系统理论基本原理及基本方法 | 第26-27页 |
| ·灰色系统理论建模机理 | 第27-28页 |
| ·灰色系统理论五步建模思想 | 第28-29页 |
| ·灰色系统理论预测方法的特点 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 神经网络的理论基础 | 第31-38页 |
| ·人工神经网络概述 | 第31-32页 |
| ·人工神经网络的特点 | 第32-33页 |
| ·前馈式神经网络 | 第33-37页 |
| ·径向基(RBF)神经网络的基本原理 | 第34-37页 |
| ·RBF神经网络与其它前馈型网络性能特征的比较 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于灰色系统与神经网络的预报模型 | 第38-56页 |
| ·灰色系统与人工神经网络的结合 | 第38-41页 |
| ·并联型灰色人工神经网络权系数的确定 | 第41-49页 |
| ·基本思路 | 第43页 |
| ·有关的几个基本结论 | 第43-44页 |
| ·组合情况下A_t,E(A_t),σ(A_t)与权系数k的近似函数关系 | 第44-48页 |
| ·求组合预测权系数k近似解的优化模型 | 第48-49页 |
| ·舰船运动预报等维递推并联型灰色神经网络模型的建立 | 第49-55页 |
| ·建立RBF神经网络预报模型 | 第49-51页 |
| ·建立函数变换型GM(1,1)预报模型 | 第51-54页 |
| ·建立并联灰色神经网络模型 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于EDRPGNN的舰船运动预报的仿真实例 | 第56-65页 |
| ·建立RBF神经网络预报模型 | 第56-59页 |
| ·数据的归一化 | 第56-57页 |
| ·建立RBF神经网络 | 第57-59页 |
| ·建立函数变换型GM(1,1)预报模型 | 第59-61页 |
| ·数据的处理 | 第59-60页 |
| ·建立模型 | 第60页 |
| ·数据还原 | 第60-61页 |
| ·建立EDRPGNN预报模型 | 第61-63页 |
| ·仿真结果分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 数值仿真实验及分析 | 第65-81页 |
| ·预报时间长参数的选取 | 第65-68页 |
| ·基于EDRPGNN模型的舰船运动姿态极短期预报仿真结果 | 第68-77页 |
| ·仿真结果分析 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第86-87页 |
| 致谢 | 第87页 |
