基于RBF神经网络的声速剖面反演及软件实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要内容 | 第12-14页 |
| 第二章 声速剖面反演 | 第14-26页 |
| 2.1 声速剖面反演基础 | 第14-20页 |
| 2.1.1 典型声速剖面 | 第14-15页 |
| 2.1.2 影响声速剖面的环境因素 | 第15-17页 |
| 2.1.3 声速剖面反演数据来源 | 第17-18页 |
| 2.1.4 海区声速变化规律 | 第18-20页 |
| 2.2 基于经验正交函数的声速剖面反演 | 第20-22页 |
| 2.3 神经网络在声速剖面反演中的应用 | 第22-24页 |
| 2.3.1 基于BP神经网络的声速剖面反演 | 第23-24页 |
| 2.3.2 RBF神经网络的优势 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于RBF神经网络的声速剖面反演 | 第26-38页 |
| 3.1 RBF神经网原理 | 第26-28页 |
| 3.1.1 RBF神经网络结构 | 第26-28页 |
| 3.1.2 RBF神经网络数学基础 | 第28页 |
| 3.2 RBF神经网络学习算法 | 第28-33页 |
| 3.2.1 随机选取固定中心法 | 第29-30页 |
| 3.2.2 自组织选区中心法 | 第30-31页 |
| 3.2.3 梯度训练法 | 第31-32页 |
| 3.2.4 正交最小二乘法 | 第32-33页 |
| 3.3 仿真分析 | 第33-36页 |
| 3.3.1 获取样本及其标准化 | 第33-35页 |
| 3.3.2 仿真结果 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 GA优化RBF网络的声速剖面反演 | 第38-52页 |
| 4.1 遗传算法原理 | 第38-40页 |
| 4.1.1 遗传算法基本概念 | 第38-39页 |
| 4.1.2 遗传算法流程 | 第39-40页 |
| 4.2 遗传算法优化RBF神经网络算法设计 | 第40-46页 |
| 4.2.1 算法详细设计 | 第40-42页 |
| 4.2.2 改进遗传算法 | 第42-44页 |
| 4.2.3 算法具体步骤 | 第44-46页 |
| 4.3 仿真分析 | 第46-50页 |
| 4.4 结论 | 第50-52页 |
| 第五章 声速剖面反演软件 | 第52-64页 |
| 5.1 软件开发平台 | 第52-53页 |
| 5.2 软件总体设计 | 第53-54页 |
| 5.3 数据库设计与实现 | 第54-55页 |
| 5.4 应用程序设计与实现 | 第55-63页 |
| 5.4.1 导入数据处理设计与实现 | 第55-57页 |
| 5.4.2 反演声速剖面设计与实现 | 第57-60页 |
| 5.4.3 绘制海图设计与实现 | 第60页 |
| 5.4.4 海底参数反演设计与实现 | 第60-62页 |
| 5.4.5 查询导出设计与实现 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 参与项目和学术成果 | 第70页 |
