| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究目的和意义 | 第12页 |
| 1.2 研究背景与发展现状 | 第12-16页 |
| 1.2.1 混沌时间序列预测研究背景与发展现状 | 第12-14页 |
| 1.2.2 Volterra级数模型的研究背景与发展现状 | 第14-15页 |
| 1.2.3 船舶运动预报研究背景与发展现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 船舶运动时间序列的混沌识别及Volterra级数自适应预测模型 | 第18-37页 |
| 2.1 时间序列混沌特征分析 | 第18-22页 |
| 2.1.1 吸引子维数 | 第18-20页 |
| 2.1.2 Lyapunov指数 | 第20-22页 |
| 2.2 混沌时间序列的相空间重构 | 第22-26页 |
| 2.2.1 时间序列的相空间重构 | 第23页 |
| 2.2.2 嵌入维数m的确定 | 第23-25页 |
| 2.2.3 延迟时间τ的确定 | 第25-26页 |
| 2.3 船舶运动姿态时间序列的混沌特性识别 | 第26-32页 |
| 2.3.1 船舶运动姿态时间序列的相空间重构 | 第26-27页 |
| 2.3.2 船舶运动姿态时间序列的混沌特性判别 | 第27-32页 |
| 2.4 Volterra级数自适应预测模型 | 第32-36页 |
| 2.4.1 Volterra级数模型 | 第33页 |
| 2.4.2 Volterra级数模型项数的确定 | 第33-35页 |
| 2.4.3 Volterra级数多步预测模型 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 LMS相关算法辨识Volterra级数核的船舶运动预报方法 | 第37-60页 |
| 3.1 LMS算法理论 | 第37-43页 |
| 3.1.1 LMS误差准则 | 第37-39页 |
| 3.1.2 LMS算法 | 第39-41页 |
| 3.1.3 LMS算法的梯度特性 | 第41页 |
| 3.1.4 LMS算法系数向量的收敛分析 | 第41-43页 |
| 3.2 LMS相关算法 | 第43-45页 |
| 3.2.1 NLMS算法 | 第43-44页 |
| 3.2.2 VSS-LMS算法 | 第44-45页 |
| 3.3 LMS相关算法辨识Volterra级数核的的估计算法 | 第45-49页 |
| 3.3.1 NLMS辨识Volterra级数核模型 | 第45-47页 |
| 3.3.2 VSS-LMS辨识Volterra级数核模型 | 第47页 |
| 3.3.3 船舶运动预报具体算法描述 | 第47-49页 |
| 3.4 仿真预报结果与分析 | 第49-58页 |
| 3.5 本章小结 | 第58-60页 |
| 第4章 BP辨识Volterra级数核的船舶运动预报方法 | 第60-81页 |
| 4.1 ANN理论 | 第60-65页 |
| 4.2 ANN的模型 | 第65-66页 |
| 4.3 BP神经网络模型 | 第66-69页 |
| 4.4 单输出三层BP神经网络辨识Volterra级数核的估计算法 | 第69-73页 |
| 4.4.1 Volterra级数变形后的模型 | 第69-70页 |
| 4.4.2 BP神经网络辨识Volterra级数核模型 | 第70-72页 |
| 4.4.3 船舶运动预报具体算法描述 | 第72-73页 |
| 4.5 仿真预报结果与分析 | 第73-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 GA优化BP辨识Volterra级数核的船舶运动预报方法 | 第81-102页 |
| 5.1 GA的原理 | 第81-84页 |
| 5.1.1 GA的生物遗传学 | 第81-82页 |
| 5.1.2 GA的基本思想 | 第82-84页 |
| 5.2 GA的理论基础 | 第84-87页 |
| 5.2.1 模式定理 | 第84-86页 |
| 5.2.2 积木块假设 | 第86页 |
| 5.2.3 隐含并行性 | 第86页 |
| 5.2.4 “早熟”现象 | 第86-87页 |
| 5.2.5 收敛性 | 第87页 |
| 5.3 GA的实现技术 | 第87-93页 |
| 5.3.1 编码 | 第87-88页 |
| 5.3.2 初始化群体 | 第88-89页 |
| 5.3.3 适应度函数 | 第89-90页 |
| 5.3.4 遗传操作 | 第90-92页 |
| 5.3.5 终止准则 | 第92-93页 |
| 5.4 GA优化BP神经网络辨识Volterra级数核的估计算法 | 第93-94页 |
| 5.5 仿真预报结果与分析 | 第94-101页 |
| 5.6 本章小结 | 第101-102页 |
| 第6章 Kalman辨识Volterra级数核的船舶运动预报方法 | 第102-122页 |
| 6.1 Kalman滤波原理及状态估计 | 第102-108页 |
| 6.2 基于单步预报的Kalman滤波公式 | 第108-110页 |
| 6.3 Kalman辨识Volterra级数核的估计算法 | 第110-113页 |
| 6.3.1 Kalman辨识Volterra级数核模型 | 第110-112页 |
| 6.3.2 船舶运动预报具体算法描述 | 第112-113页 |
| 6.4 仿真预报结果与分析 | 第113-121页 |
| 6.5 本章小结 | 第121-122页 |
| 结论 | 第122-124页 |
| 参考文献 | 第124-135页 |
| 攻读博士学位期间发表的论文和取得的科技成果 | 第135-136页 |
| 致谢 | 第136页 |
