基于BP神经网络的AUV航迹预测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景、目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-13页 |
| 1.2.1 自主式水下潜器研究现状 | 第11-12页 |
| 1.2.2 AUV航迹预测研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容与章节安排 | 第13-16页 |
| 第2章 海洋环境对AUV航迹影响分析 | 第16-28页 |
| 2.1 海洋环境要素介绍 | 第16-19页 |
| 2.1.1 海流 | 第16-17页 |
| 2.1.2 潮汐 | 第17-18页 |
| 2.1.3 潮流 | 第18-19页 |
| 2.2 AUV航迹分析 | 第19-24页 |
| 2.2.1 AUV坐标系 | 第19-21页 |
| 2.2.2 AUV空间运动数学模型 | 第21-23页 |
| 2.2.3 AUV航迹预测分析 | 第23-24页 |
| 2.3 多变量时间序列预测 | 第24页 |
| 2.4 海洋再分析数据 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 航迹预测输入数据处理 | 第28-44页 |
| 3.1 AUV传感器与误差来源分析 | 第28-30页 |
| 3.1.1 AUV传感器 | 第28-29页 |
| 3.1.2 实测误差分析 | 第29-30页 |
| 3.2 位置异常数据的检验与处理 | 第30-32页 |
| 3.2.1 位置数据完整性检测 | 第30-31页 |
| 3.2.2 异常数据处理 | 第31-32页 |
| 3.3 灰色预测模型及算法 | 第32-36页 |
| 3.3.1 灰色预测基本概念及特点 | 第32-33页 |
| 3.3.2 灰色预测模型及预测步骤 | 第33-36页 |
| 3.4 灰色预测处理数据缺失 | 第36-39页 |
| 3.4.1 经度数据补充 | 第36-37页 |
| 3.4.2 纬度数据补充 | 第37-38页 |
| 3.4.3 深度数据补充 | 第38-39页 |
| 3.5 海洋环境数据插值 | 第39-43页 |
| 3.5.1 三次样条插值 | 第40页 |
| 3.5.2 海洋环境数据插值 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 BP神经网络改进及预测模型建立 | 第44-56页 |
| 4.1 BP神经网络分析 | 第44-49页 |
| 4.1.1 BP神经网络原理模型及算法 | 第44-46页 |
| 4.1.2 BP神经网络算法实现步骤 | 第46-47页 |
| 4.1.3 BP神经网络缺陷分析 | 第47-48页 |
| 4.1.4 BP神经网络改进方向 | 第48-49页 |
| 4.2 BP神经网络算法改进 | 第49-53页 |
| 4.2.1 主成分分析 | 第49-51页 |
| 4.2.2 学习速率自适应调整 | 第51-52页 |
| 4.2.3 组合预测 | 第52-53页 |
| 4.3 AUV航迹预测模型 | 第53-55页 |
| 4.3.1 原始预测模型 | 第53页 |
| 4.3.2 组合预测模型 | 第53-54页 |
| 4.3.3 海洋环境影响模型 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 预测模型仿真及结果分析 | 第56-72页 |
| 5.1 航迹预测仿真预备知识 | 第56页 |
| 5.2 航迹预测模型仿真 | 第56-67页 |
| 5.2.1 原始模型仿真 | 第56-62页 |
| 5.2.2 组合模型仿真 | 第62-63页 |
| 5.2.3 海洋环境模型仿真 | 第63-67页 |
| 5.3 预测结果比较分析 | 第67-69页 |
| 5.4 AUV航迹预测应用 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
