| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| §1-1 选题背景 | 第8-9页 |
| 1-1-1 船舶避碰研究背景 | 第8页 |
| 1-1-2 船舶避碰研究现状 | 第8-9页 |
| §1-2 船舶避碰领域的基本概念及原理 | 第9-14页 |
| 1-2-1 船舶避碰过程及态势分析 | 第9-12页 |
| 1-2-2 碰撞危险 | 第12页 |
| 1-2-3 碰撞危险度 | 第12-13页 |
| 1-2-4 碰撞危险度的研究现状 | 第13-14页 |
| §1-3 本文的主要研究内容 | 第14-16页 |
| 第二章 基于神经网络的船舶碰撞危险度计算 | 第16-26页 |
| §2-1 神经网络计算船舶碰撞危险度理论基础 | 第16-18页 |
| 2-1-1 神经网络的理论基础 | 第16-17页 |
| 2-1-2 神经网络的结构与类型 | 第17-18页 |
| §2-2 BP神经网络 | 第18-20页 |
| 2-2-1 BP 神经网络的结构 | 第18-19页 |
| 2-2-2 BP 神经网络训练流程 | 第19-20页 |
| §2-3 BP神经网络计算船舶碰撞危险度 | 第20-23页 |
| 2-3-1 BP 神经网络计算船舶碰撞危险度的可行性 | 第20-22页 |
| 2-3-2 BP 神经网络计算船舶碰撞危险度仿真 | 第22-23页 |
| §2-4 BP神经网络在实际应用中存在的问题 | 第23-26页 |
| 第三章 遗传算法优化神经网络的 GA-BP算法 | 第26-36页 |
| §3-1 遗传算法 | 第26-29页 |
| 3-1-1 遗传算法的理论基础 | 第26页 |
| 3-1-2 遗传算法的特点 | 第26-28页 |
| 3-1-3 遗传算法的构成要素 | 第28-29页 |
| §3-2 基于BP与GA相结合算法的可行性分析 | 第29页 |
| §3-3 基于GA-BP算法的确定船舶碰撞危险度模型设计 | 第29-34页 |
| 3-3-1 GA-BP 算法编码及描述方法 | 第29-30页 |
| 3-3-2 GA-BP 算法设计步骤 | 第30-34页 |
| 3-3-3 GA-BP 算法流程图 | 第34页 |
| §3-4 性能试验及仿真 | 第34-36页 |
| 第四章 GA-BP算法在船舶碰撞危险度确定中的应用 | 第36-48页 |
| §4-1 船舶碰撞危险度相关参数的获取与计算 | 第36-38页 |
| 4-1-1 最近会遇距离及最近会遇时间 | 第36-37页 |
| 4-1-2 船舶碰撞危险度相关参数计算 | 第37-38页 |
| §4-2 以TCPA和DCPA作为输入判定危险度仿真分析 | 第38-41页 |
| 4-2-1 GA-BP 神经网络的输入及隐含节点数的确定 | 第38-39页 |
| 4-2-2 网络仿真计算 | 第39-41页 |
| 4-2-3 结论 | 第41页 |
| §4-3 多参数输入判定危险度仿真分析 | 第41-48页 |
| 4-3-1 影响危险度判定的会遇势态因素确定 | 第41-42页 |
| 4-3-2 GA-BP 神经网络确定船舶碰撞危险度的输入 | 第42页 |
| 4-3-3 网络隐含结点数的确定 | 第42页 |
| 4-3-4 仿真计算 | 第42-47页 |
| 4-3-5 结论 | 第47-48页 |
| 第五章 船舶碰撞危险度计算及其随态势变化的计算机模拟 | 第48-51页 |
| §5-1 碰撞危险度计算显示模拟程序结构 | 第48-49页 |
| §5-2 碰撞危险度计算显示模拟程序实现 | 第49-51页 |
| 5-2-1 基于GA-BP 算法的碰撞危险度计算显示模拟程序流程图 | 第49-50页 |
| 5-2-2 基于GA-BP 算法的碰撞危险度计算显示模拟 | 第50-51页 |
| 第六章 结束语 | 第51-52页 |
| §6-1 成果 | 第51页 |
| §6-2 不足与展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间所取得的相关科研成果 | 第55页 |
