开敞式码头系泊系统状态预测方法研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-17页 |
1.1 课题研究的背景及意义 | 第10-12页 |
1.1.1 研究的背景 | 第10-11页 |
1.1.2 研究的意义 | 第11-12页 |
1.2 预测方法综述 | 第12-15页 |
1.2.1 传统预测方法 | 第12-13页 |
1.2.2 智能预测方法 | 第13-14页 |
1.2.3 预测方法发展现状 | 第14-15页 |
1.3 主要研究内容及论文结构 | 第15-16页 |
本章小结 | 第16-17页 |
第二章 技术基础 | 第17-29页 |
2.1 时间序列理论 | 第17-19页 |
2.1.1 时间序列的概念 | 第17页 |
2.1.2 时间序列分析 | 第17-18页 |
2.1.3 非平稳时间序列 | 第18-19页 |
2.2 系泊监控系统 | 第19-20页 |
2.3 支持向量机 | 第20-26页 |
2.3.1 机器学习理论 | 第21-22页 |
2.3.2 支持向量机算法 | 第22-23页 |
2.3.3 支持向量机回归 | 第23-25页 |
2.3.4 核函数 | 第25-26页 |
2.4 小波变换理论 | 第26-28页 |
2.4.1 小波变换 | 第26-27页 |
2.4.2 多尺度分析 | 第27-28页 |
本章小结 | 第28-29页 |
第三章 系泊系统状态分析与预测算法设计 | 第29-46页 |
3.1 系泊环境分析 | 第29页 |
3.2 系泊状态分析 | 第29-32页 |
3.2.1 船舶运动量分析 | 第29-31页 |
3.2.2 护舷撞击力分析 | 第31页 |
3.2.3 系泊缆力分析 | 第31-32页 |
3.3 系泊状态预测要求和步骤 | 第32-33页 |
3.4 数据的收集和预处理 | 第33-36页 |
3.4.1 数据的收集 | 第33-34页 |
3.4.2 数据特征的选择 | 第34-35页 |
3.4.3 数据归一化处理 | 第35-36页 |
3.5 SVM预测模型 | 第36-38页 |
3.5.1 SVM建模流程 | 第36页 |
3.5.2 SVM参数选择 | 第36-38页 |
3.6 Libsvm工具箱简介 | 第38-39页 |
3.7 缆力序列的小波分解 | 第39-42页 |
3.8 组合预测模型设计 | 第42-43页 |
3.9 预测效果分析 | 第43-45页 |
本章小结 | 第45-46页 |
第四章 基于模型预测的缆力预警系统实现 | 第46-59页 |
4.1 需求分析 | 第46页 |
4.2 基本假定 | 第46页 |
4.3 系统硬件构成 | 第46-51页 |
4.3.1 可编程控制器 | 第47-48页 |
4.3.2 数据传输 | 第48-51页 |
4.3.3 通讯接口 | 第51页 |
4.4 系统软件设计 | 第51-58页 |
4.4.1 FameView组态软件 | 第51-52页 |
4.4.2 系统主要功能 | 第52-54页 |
4.4.3 添加设备 | 第54-55页 |
4.4.4 变量与参数设定 | 第55-58页 |
本章小结 | 第58-59页 |
第五章 总结与展望 | 第59-61页 |
5.1 成果总结 | 第59页 |
5.2 研究展望 | 第59-61页 |
参考文献 | 第61-63页 |
攻读硕士学位期间发表的学术论文 | 第63-64页 |
攻读硕士期间参加的科研项目 | 第64-65页 |
致谢 | 第65页 |