面向最优养殖布局的机器学习方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 国内外的研究状况 | 第11-13页 |
| 1.3 论文研究的意义 | 第13页 |
| 1.4 本文所做的工作与论文的组织结构 | 第13-15页 |
| 2 水动力物理模型与机器学习相关研究 | 第15-30页 |
| 2.1 桑沟湾简介 | 第15-16页 |
| 2.2 水动力物理模型 | 第16-19页 |
| 2.3 机器学习 | 第19-28页 |
| 2.3.1 经典的支持向量机 | 第19-25页 |
| 2.3.2 支持向量机回归 | 第25-28页 |
| 2.4 建立带有养殖阻力的水动力数值模式 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于支持向量机回归的阻力系数的确定 | 第30-38页 |
| 3.1 最小二乘法确定阻力系数 | 第30-32页 |
| 3.1.1 最小二乘法原理 | 第30-31页 |
| 3.1.2 阻力系数的确定 | 第31-32页 |
| 3.2 支持向量机方法确定阻力系数 | 第32-34页 |
| 3.3 实验结果及分析 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 最优养殖布局下基于机器学习方法的潮流速度预测 | 第38-43页 |
| 4.1 水动力模型确定潮流速度 | 第38-39页 |
| 4.2 机器学习方法预测潮流速度 | 第39-41页 |
| 4.3 本章小结 | 第41-43页 |
| 5 基于多输出支持向量机的潮流速度预测 | 第43-57页 |
| 5.1 问题的提出 | 第43-44页 |
| 5.2 多输出支持向量机 | 第44-47页 |
| 5.2.1 多输出支持向量机提出的合理性 | 第44-45页 |
| 5.2.2 多输出支持向量机的具体实现 | 第45-47页 |
| 5.3 多输出支持向量机预测流速 | 第47-49页 |
| 5.4 实验结果及分析 | 第49-52页 |
| 5.5 不同养殖密度下的最优布局 | 第52-55页 |
| 5.6 本章小结 | 第55-57页 |
| 6 总结和展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 未来研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
| 发表的学术论文 | 第63页 |
| 研究成果 | 第63-64页 |
