| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 第2章 船舶运动模型建立与分析 | 第17-29页 |
| 2.1 船舶运动模型 | 第17-21页 |
| 2.1.1 船舶六自由度运动 | 第17-18页 |
| 2.1.2 船舶横向运动分析 | 第18-20页 |
| 2.1.3 船舶纵向运动分析 | 第20-21页 |
| 2.2 随机海浪扰动建模 | 第21-26页 |
| 2.2.1 随机海浪扰动特性 | 第21-22页 |
| 2.2.2 海浪谱分解 | 第22-23页 |
| 2.2.3 海浪波倾角模型 | 第23页 |
| 2.2.4 随机海浪扰动信号仿真 | 第23-26页 |
| 2.3 船舶横向运动和纵向运动仿真 | 第26-28页 |
| 2.3.1 船舶横向运动仿真 | 第26-27页 |
| 2.3.2 船舶纵向运动仿真 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 船舶运动姿态经典预测算法研究 | 第29-49页 |
| 3.1 船舶运动姿态经典预测算法概述 | 第29页 |
| 3.2 船舶运动姿态预测技术要求 | 第29-30页 |
| 3.3 自回归预测算法 | 第30-40页 |
| 3.3.1 自回归理论概述 | 第30-31页 |
| 3.3.2 模型的参数估计方法 | 第31-33页 |
| 3.3.3 模型的定阶准则 | 第33-34页 |
| 3.3.4 基于递推最小二乘参数估计的递推预测算法 | 第34-36页 |
| 3.3.5 船舶运动姿态预测仿真 | 第36-40页 |
| 3.4 卡尔曼滤波预测算法 | 第40-48页 |
| 3.4.1 卡尔曼滤波理论 | 第40-42页 |
| 3.4.2 扩展卡尔曼滤波算法 | 第42-44页 |
| 3.4.3 基于扩展卡尔曼滤波的船舶运动姿态预测算法 | 第44-45页 |
| 3.4.4 船舶运动姿态预测仿真 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 EEMD-SVR组合预测算法 | 第49-79页 |
| 4.1 经验模态分解理论 | 第49-55页 |
| 4.1.1 经验模态分解基本概念 | 第49-50页 |
| 4.1.2 经验模态分解原理 | 第50-52页 |
| 4.1.3 经验模态分解的关键问题 | 第52-54页 |
| 4.1.4 经验模态分解的改进算法 | 第54-55页 |
| 4.2 支持向量机回归理论 | 第55-65页 |
| 4.2.1 统计学习理论 | 第55-57页 |
| 4.2.2 支持向量机回归模型 | 第57-60页 |
| 4.2.3 自适应参数选择 | 第60-61页 |
| 4.2.4 基于支持向量机回归的船舶运动姿态预测算法 | 第61-62页 |
| 4.2.5 船舶运动姿态预测仿真 | 第62-65页 |
| 4.3 基于EEMD和 SVR的组合预测方法 | 第65-73页 |
| 4.3.1 EEMD-SVR组合预测算法 | 第65-67页 |
| 4.3.2 船舶运动姿态预测仿真 | 第67-73页 |
| 4.4 基于实测船舶运动姿态的非线性非平稳性分析 | 第73-74页 |
| 4.5 基于实测船舶运动姿态的预测结果分析 | 第74-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第5章 基于改进支持向量机回归的组合预测方法 | 第79-91页 |
| 5.1 粒子群优化算法 | 第79-82页 |
| 5.1.1 标准粒子群优化算法 | 第79-80页 |
| 5.1.2 粒子群优化的改进算法 | 第80-81页 |
| 5.1.3 IPSO优化过程 | 第81-82页 |
| 5.2 SORR回归算法 | 第82-84页 |
| 5.3 EEMD-IPSO-SORR组合预测算法 | 第84页 |
| 5.4 基于实测船舶运动姿态的预测结果分析 | 第84-89页 |
| 5.5 本章小结 | 第89-91页 |
| 结论 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第97-99页 |
| 致谢 | 第99页 |
