| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 船舶横摇运动预报研究的现状 | 第12-15页 |
| 1.2.1 船舶摇荡运动的理论研究 | 第12页 |
| 1.2.2 船舶摇荡运动预报的国内外研究现状 | 第12-15页 |
| 1.3 基于神经网络船舶横摇运动的建模与预报 | 第15-16页 |
| 1.4 本文研究的主要内容 | 第16-18页 |
| 1.5 本文内容分布结构图 | 第18-20页 |
| 第2章 船舶横摇运动的可预报性及混沌特性 | 第20-35页 |
| 2.1 时间序列的可预测性 | 第20-21页 |
| 2.2 时间序列混沌特征分析 | 第21-25页 |
| 2.2.1 判别混沌的方法 | 第22页 |
| 2.2.2 时间序列的相空间重构 | 第22-24页 |
| 2.2.3 李雅普诺夫指数 | 第24-25页 |
| 2.3 船舶横摇运动时间序列与预处理 | 第25-26页 |
| 2.4 船舶横摇运动混沌特性的判定 | 第26-34页 |
| 2.4.1 船舶横摇运动混沌特性的研究 | 第26-27页 |
| 2.4.2 船舶横摇运动时间序列的混沌特性定性分析 | 第27-30页 |
| 2.4.3 船舶横摇运动时间序列的混沌特性定量分析 | 第30-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 使用前向神经网络的横摇运动极短期预报研究 | 第35-48页 |
| 3.1 基于BP神经网络的预报方法及改进 | 第35-41页 |
| 3.1.1 BP神经网络的结构及算法 | 第35-37页 |
| 3.1.2 基于BP神经网络的船舶横摇预报方法 | 第37-39页 |
| 3.1.3 基于相空间重构的BP神经网络的船舶横摇预报方法 | 第39-41页 |
| 3.2 基于径向基函数神经网络的预报方法及改进 | 第41-46页 |
| 3.2.1 径向基函数网络的结构及算法 | 第41-43页 |
| 3.2.2 径向基函数网络的局限性 | 第43页 |
| 3.2.3 基于相空间重构的RBF神经网络的船舶横摇预报方法 | 第43-46页 |
| 3.3 基于前向神经网络预报的局限性分析 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 使用递归神经网络的横摇运动极短期预报研究 | 第48-74页 |
| 4.1 基于对角递归神经网络的预报方法及改进 | 第48-59页 |
| 4.1.1 对角递归神经网络结构 | 第49-50页 |
| 4.1.2 二阶对角递归神经网络 | 第50-54页 |
| 4.1.2.1 二阶对角递归神经网络结构及算法 | 第50-51页 |
| 4.1.2.2 二阶对角递归神经网络的权值学习率的证明 | 第51-53页 |
| 4.1.2.3 二阶对角递归神经网络的参数优化 | 第53-54页 |
| 4.1.3 基于对角递归神经网络的船舶横摇预报及改进 | 第54-59页 |
| 4.2 混沌对角递归神经网络的预报及改进 | 第59-66页 |
| 4.2.1 混沌对角递归神经网络的结构 | 第59-61页 |
| 4.2.2 混沌对角递归神经网络的学习算法优化 | 第61-62页 |
| 4.2.3 算法收敛性证明 | 第62-64页 |
| 4.2.4 混沌对角递归神经网络船舶横摇预报 | 第64-66页 |
| 4.3 使用递归网络预报的局限性分析 | 第66页 |
| 4.4 基于回声状态网络的预报方法及应用 | 第66-73页 |
| 4.4.1 回声状态网络的数学模型 | 第67-68页 |
| 4.4.2 基于回声状态网络的混沌时间序列的预报仿真 | 第68-70页 |
| 4.4.3 回声状态网络的船舶横摇预报方法 | 第70-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 单项模型可筛选的船舶横摇运动组合预报 | 第74-95页 |
| 5.1 常用预报方法的优缺点 | 第74-76页 |
| 5.1.1 时间序列预报法 | 第74页 |
| 5.1.2 灰色模型预报法 | 第74-75页 |
| 5.1.3 神经网络预报法 | 第75页 |
| 5.1.4 相空间重构预报法 | 第75页 |
| 5.1.5 支持向量机预报法 | 第75-76页 |
| 5.2 组合预测法 | 第76-78页 |
| 5.2.1 组合预测法的提出 | 第76页 |
| 5.2.2 组合预测法的分类 | 第76-77页 |
| 5.2.3 基于神经网络的非线性优性组合预报方法分析 | 第77-78页 |
| 5.3 基于神经网络组合预测模型的预报 | 第78-81页 |
| 5.3.1 组合预测模型中各单项模型冗余方法的筛选 | 第78-79页 |
| 5.3.2 组合预测模型中各单项模型的协整性筛选 | 第79-80页 |
| 5.3.3 组合预测模型中各单项模型的筛选流程 | 第80页 |
| 5.3.4 预测步骤 | 第80-81页 |
| 5.4 船舶横摇运动预报实例分析 | 第81-87页 |
| 5.4.1 单项预报模型的选用 | 第81页 |
| 5.4.2 预测模型的协整性筛选 | 第81-83页 |
| 5.4.3 冗余方法筛选 | 第83-84页 |
| 5.4.4 仿真结果对比 | 第84-87页 |
| 5.5 预报方法的选择及评价 | 第87-93页 |
| 5.5.1 预报方法选择 | 第87-88页 |
| 5.5.2 预报的性能指标 | 第88-90页 |
| 5.5.3 预报方法的评价 | 第90-93页 |
| 5.6 本章小结 | 第93-95页 |
| 结论 | 第95-97页 |
| 参考文献 | 第97-109页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第109-110页 |
| 致谢 | 第110-111页 |
| 附录 | 第111-122页 |
