| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外的研究进展 | 第9-12页 |
| 1.3 本文主要研究内容及结构安排 | 第12-14页 |
| 第2章 相关理论基础 | 第14-21页 |
| 2.1 迭代智能理论 | 第14-17页 |
| 2.1.1 基本原理 | 第14-16页 |
| 2.1.2 主要研究内容 | 第16-17页 |
| 2.1.3 与最优控制的联系 | 第17页 |
| 2.2 扩展卡尔曼滤波 | 第17-18页 |
| 2.3 集合卡尔曼滤波 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 迭代集合滤波算法的研究 | 第21-32页 |
| 3.1 迭代扩展卡尔曼滤波 | 第21-22页 |
| 3.2 迭代集合卡尔曼滤波 | 第22-24页 |
| 3.3 模型选择及性能指标 | 第24-26页 |
| 3.4 EnKF、IEnKF和IEKF的性能研究 | 第26-31页 |
| 3.4.1 迭代次数对IEnKF的影响 | 第26-27页 |
| 3.4.2 集合数对EnKF、IEKF和IEnKF性能的影响 | 第27-29页 |
| 3.4.3 放大因子对EnKF、IEKF和IEnKF性能的影响 | 第29页 |
| 3.4.4 模型步长对EnKF、IEKF和IEnKF性能的影响 | 第29-30页 |
| 3.4.5 观测方差对EnKF、IEKF和IEnKF性能的影响 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 迭代集合卡尔曼滤波算法的改进研究 | 第32-42页 |
| 4.1 IEnKF的高斯牛顿推导 | 第32-33页 |
| 4.2 全局收敛策略 | 第33-34页 |
| 4.3 迭代集合卡尔曼滤波的改进 | 第34-36页 |
| 4.4 IEnKF和MIEnKF的性能对比 | 第36-41页 |
| 4.4.1 低维混沌Lorenz63系统 | 第36-37页 |
| 4.4.2 实验结果与分析 | 第37-40页 |
| 4.4.3 高维混沌Lorenz96系统 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 本文总结 | 第42-43页 |
| 5.2 本文展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读学位期间所发表的论文与主要成果 | 第47-48页 |
| 致谢 | 第48页 |
