智能预报技术及其在船舶工程中的应用

内容简介

[

本书以智能预报技术为主线，系统地介绍了人工神经网络、灰色理论、混沌理论、支持向量机等智能预报理论，详细阐述了EMD分解域、支持向量机及其在线学习算法、粒子群、免疫鱼群等智能预报理论和并行智能优化技术在船舶运动姿态预报和船舶航向控制系统故障中的应用。

]

目录

第1章绪论1.1时间序列分析预报技术1.2时间序列灰色预报技术1.3混沌序列预报技术1.4分解组合预报技术1.5人工神经网络预报技术1.6支持向量机预报技术1.7在线实时预报技术1.8船舶运动姿态预报技术1.9船舶控制系统故障预报技术第2章智能预报技木理论基础2.1信息熵加权EIman神经网络原理2.1.1Elman神经网络概述2.1.2Elman神经网络结构2.1.3Elman神经网络动态学习过程2.1.4信息熵加权Elman神经网络算法2.2统计学习理论与支持向量机2.2.1机器学习2.2.2统计学习理论2.2.3支持向量机回归原理2.2.4小波v一支持向量机2.3群体智能优化算法2.3.1群体智能优化算法的基本框架2.3.2多种群协调混沌粒子群算法2.3.3遗传算法2.3.4人工鱼群算法2.3.5免疫鱼群算法第3章船舶横摇运动姿态神经网络智能预报技木3.1经验模式分解理论3.1.1经验模式分解算法3.1.2经验模式分解的相关特性3.2预报能力评价准则3.3船舶横摇运动姿态神经网络预报技术3.3.1信息熵加权的Elman神经网络预报技术3.3.2船舶横摇运动姿态神经网络预报3.4船舶横摇运动姿态经验模式分解域神经网络预报技术3.4.1分解域神经网络预报结构3.4.2分解域神经网络预报技术3.4.3船舶横摇运动姿态经验模式分解域神经网络预报第4章船舶横摇运动姿态支持向量杌混沌智能预报技木4.1船舶横摇运动姿态混沌动力学特征研究4.1.1船舶横摇运动相空间重构参数选择4.1.2船舶横摇运动混沌特性定性分析4.1.3船舶横摇运动混沌特征指数分析4.2变异小波v一支持向量机4.3单变量鲁棒小波v一支持向量机4.3.1基于间隔的结构风险*小化原则4.3.2鲁棒损失函数4.3.3鲁棒小波v一支持向量机4.3.4单松弛变量鲁棒小波v一支持向量回归模型4.3.5单松弛变量孝和双松弛变量的比较4.3.6改进支持向量机解集的讨论4.4基于改进支持向量机的混沌智能预报方法4.5船舶横摇运动改进支持向量机混沌智能预报技术4.5.1船舶横摇运动姿态混沌智能预报算法4.5.2船舶横摇运动姿态混沌智能预报第5章船舶航向支持向量机智能预报技木5.1并行优化支持向量机5.1.1特征选择优化模型5.1.2支持向量机参数优化模型5.1.3加权系数优化模型5.1.4并行优化模型5.2船舶航向改进鱼群算法支持向量机并行优化预报技术5.2.1基于动物捕食搜索策略的改进人工鱼群算法5.2.2船舶航向改进人工鱼群算法支持向量机并行优化预报5.3支持向量机性能多目标优化技术5.3.1多目标优化问题的数学描述5.3.2支持向量机性能Pareto*优解集5.3.3Pareto近似解集求解方法5.4船舶航向改进免疫鱼群算法支持向量机多目标优化预报第6章船舶横摇运动姿态*小二乘支持向量机智能预报技术6.1*小二乘支持向量机(LSSVM)6.1.1*小二乘支持向量机回归模型6.1.2ISSVM增量式学习算法6.1.3LSsVM在线式学习算法6.2混沌*小二乘支持向量机预报技术6.2.1固定参数预报模型6.2.2固定参数在线预报步骤6.2.3船舶横摇运动姿态固定参数混沌LSSVM预报6.3时间序列变参数混沌LSSVM预报技术6.3.1*小二乘支持向量机变参数在线建模方法6.3.2变参数混沌LSSVM在线建模预报步骤6.3.3船舶横摇运动姿态变参数混沌LSSVM预报第7章船舶航向控制系统故降智能预报技术7.1船舶航向控制系统故障模式及原因分析7.1.1舵控制系统故障分析7.1.2船舶动力装置故障分析7.2船舶航向控制系统故障树构建7.2.1故障树的基本概念7.2.2故障树构建7.2.3故障树定性分析7.3船舶航向控制系统故障工况下建模7.3.1船舶运动建模7.3.2舵控制系统建模7.3.3船舶动力装置建模7.3.4故障模型下船舶航向态势仿真7.4船舶航向控制系统故障小波网幺各／支持向量机组合预报技术7.4.1组合预报的基本原理及方法7.4.2船舶航向控制系统故障组合预报模型7.4.3船舶航向控制系统小波支持向量机故障组合预报爹考文献

封面

书名:智能预报技术及其在船舶工程中的应用

作者:刘胜

页数:169

定价:¥56.0

出版社:国防工业出版社

出版日期:2015-11-01

ISBN:9787118106060

PDF电子书大小:147MB 高清扫描完整版