| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 舰船姿态极短期预报技术研究 | 第11-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第二章 舰船甲板运动分析 | 第14-20页 |
| 2.1 舰船甲板运动特性分析 | 第14-15页 |
| 2.2 舰船甲板运动对舰载机起降的影响 | 第15-17页 |
| 2.3 舰载机着舰点处的甲板运动信息 | 第17-18页 |
| 2.4 舰船甲板运动的训练样本准备 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于灰色系统理论的舰船甲板运动态势预测 | 第20-28页 |
| 3.1 灰色系统理论 | 第20-21页 |
| 3.2 经典灰色预测及其改进模型 | 第21-24页 |
| 3.2.1 原始GM(1,1)模型极其改进方法 | 第21-23页 |
| 3.2.2 离散灰色预测模型及其改进 | 第23-24页 |
| 3.3 灰色预测模型仿真分析 | 第24-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 基于人工神经网络方法的舰船甲板运动态势预测 | 第28-40页 |
| 4.1 人工神经网络 | 第28-30页 |
| 4.1.1 神经网络的发展简史 | 第28-29页 |
| 4.1.2 神经网络的特点 | 第29-30页 |
| 4.2 BP预测及其改进方法 | 第30-35页 |
| 4.2.1 BP网络模型算法原理 | 第30-33页 |
| 4.2.2 标准BP算法的改进 | 第33-34页 |
| 4.2.3 基于GA的BP算法优化 | 第34-35页 |
| 4.3 基于BP网络的舰船甲板运动仿真 | 第35-39页 |
| 4.3.1 BP预测模型的训练过程 | 第35-36页 |
| 4.3.2 样本训练集的准备 | 第36页 |
| 4.3.3 BP网络的结构设计 | 第36-37页 |
| 4.3.4 仿真条件设置 | 第37页 |
| 4.3.5 仿真结果分析 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 基于极限学习机方法的舰船甲板运动态势预测 | 第40-52页 |
| 5.1 极限学习机理论 | 第40-41页 |
| 5.2 在线序贯极限学习机模型建立 | 第41-45页 |
| 5.2.1 极限学习机算法原理 | 第41-42页 |
| 5.2.2 在线序贯极限学习机算法 | 第42-43页 |
| 5.2.3 基于OS-LM的舰船甲板运动仿真 | 第43-45页 |
| 5.3 基于PSO的OS-ELM预测模型 | 第45-47页 |
| 5.3.1 粒子群智能优化算法 | 第45-47页 |
| 5.3.2 PSO-OS-ELM预测算法 | 第47页 |
| 5.4 基于PSO-OS-ELM的舰船甲板运动仿真 | 第47-50页 |
| 5.4.1 仿真条件设置 | 第47页 |
| 5.4.2 仿真结果分析 | 第47-50页 |
| 5.5 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第60页 |