| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·船舶溢油趋势预报国内外研究现状 | 第10-11页 |
| ·本文主要内容 | 第11-12页 |
| ·本文章节安排 | 第12-14页 |
| 第2章 上海港水域船舶溢油事故分析 | 第14-23页 |
| ·船舶溢油事故界定及分类 | 第14页 |
| ·上海港水域船舶溢油事故分析 | 第14-18页 |
| ·上海港水域船舶溢油事故影响因素分析 | 第18-20页 |
| ·船舶溢油事故影响因素预测 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第3章 统计学习理论与支持矢量机 | 第23-33页 |
| ·引言 | 第23页 |
| ·统计学习理论基础 | 第23-25页 |
| ·VC维(Vapnik-Cheronenkis) | 第23-24页 |
| ·经验风险最小化归纳原则(ERM) | 第24-25页 |
| ·结构风险最小化归纳原则(SRM) | 第25页 |
| ·支持矢量机(SVM) | 第25-31页 |
| ·支持矢量分类机(SVC) | 第25-27页 |
| ·非线性SVC及核函数 | 第27-29页 |
| ·支持矢量回归机(SVR) | 第29-30页 |
| ·SVM训练算法及新发展 | 第30-31页 |
| ·SVM对小样本的推广能力 | 第31-33页 |
| 第4章 支持矢量机在上海港船舶溢油事故预报中的应用 | 第33-64页 |
| ·SVM预测模型 | 第33-40页 |
| ·数据预处理 | 第33-34页 |
| ·SVM核函数及相关参数的选择 | 第34-38页 |
| ·SVC建模步骤 | 第38-39页 |
| ·利用Matlab建立SVM模型 | 第39-40页 |
| ·SVM模型应用案例 | 第40-62页 |
| ·预测参数选择 | 第40页 |
| ·标准化形式选择 | 第40-41页 |
| ·SVM模型应用案例 | 第41-62页 |
| ·小结 | 第62-64页 |
| 第5章 SVM模型与其它模型比较 | 第64-77页 |
| ·引言 | 第64页 |
| ·上海港水域溢油事故灰色预测模型 | 第64-67页 |
| ·灰色分析模型GM(1，1) | 第64-65页 |
| ·灰色预测模型在上海港水域船舶溢油事故中的应用 | 第65-67页 |
| ·上海港水域溢油事故投影寻踪预测模型 | 第67-72页 |
| ·投影寻踪(PP)简介 | 第67-68页 |
| ·投影寻踪回归(PPR)原理及算法简介 | 第68-69页 |
| ·基于遗传算法和神经网络的PPR模型自动选择 | 第69-70页 |
| ·PPR应用案例 | 第70-72页 |
| ·上海港水域溢油事故BP神经网络预测模型 | 第72-74页 |
| ·预测模型比较 | 第74-77页 |
| 第六章 结论与展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 附录 | 第85-88页 |