包邮 船舶运动自适应建模预报

目录前言第1章 绪论 11.1 概述 11.2 基于时间序列分析法的船舶运动自适应建模与预报 21.3 混沌时间序列预测 41.4 基于水动力学方法的建模与预报 6第2章 基于*小均方误差准则的AR建模与预报 82.1 *小均方误差准则和Wiener*优滤波器 82.2 基于LMS算法的自适应AR建模 102.2.1 LMS算法 102.2.2 LMS算法的梯度特性 112.2.3 系数向量的收敛特性 122.2.4 LMS算法与AR模型 142.3 基于LMS的改进算法 142.3.1 LMS-Newton算法 152.3.2 NLMS算法 172.3.3 仿射投影算法 182.4 基于LMS算法的船舶运动预报 212.4.1 基于LMS算法的自适应AR建模预报模型 212.4.2 仿真实例与分析 222.5 本章小结 29第3章 基于LRLS算法的船舶运动自适应建模与预报 303.1 加权*小二乘准则及RLS算法 303.2 RLS算法的收敛性 343.2.1 参数估计的收敛性 343.2.2 RLS算法的均方收敛性 353.3 线性预报 363.3.1 前向预报 363.3.2 反向预报 383.3.3 变换因子 403.4 LRLS算法 433.4.1 阶数更新方程 433.4.2 时间递推公式 463.5 基于LRLS算法的船舶运动预报 473.5.1 基于LRLS算法的AR建模预报模型 473.5.2 仿真实例与分析 493.6 本章小结 51第4章 基于Kalman滤波算法的船舶运动自适应建模与预报 524.1 线性*小方差估计和射影理论 524.1.1 射影理论 524.1.2 新息序列 554.2 Kalman滤波原理及状态估计 574.3 基于一步预报的Kalman滤波公式 634.4 基于Kalman滤波算法的船舶运动自适应建模 654.4.1 平稳输入下的自适应横向滤波器 664.4.2 非平稳输入下的自适应横向滤波器 684.5 基于Kalman滤波算法的船舶运动预报 704.6 本章小结 72第5章 基于LS-SVM的船舶运动自适应建模与预报 735.1 SVM介绍 735.1.1 SVM基本原理 735.1.2 核函数 765.2 LS-SVM介绍 775.2.1 LS-SVM基本原理 785.2.2 参数和核函数参数的确定 795.2.3 移动时间窗 815.3 基于LS-SVM的船舶运动自适应建模 815.4 本章小结 85第6章 基于改进周期图法的船舶运动自适应建模与预报 866.1 周期图法 866.1.1 基于周期图法的船舶运动自适应建模 866.1.2 周期图预报仿真与分析 896.2 基于改进周期图法的船舶运动自适应建模 906.2.1 数据交叠分段的周期图法原理 906.2.2 数据交叠分段和加窗函数改进周期图法原理 916.3 基于改进周期图法的船舶运动预报仿真与分析 956.3.1 数据交叠分段改进周期图法预报仿真与分析 956.3.2 加窗函数改进周期图法预报仿真与分析 1006.3.3 数据交叠分段和加窗函数改进周期图法预报仿真与分析 1056.4 本章小结 112第7章 基于改进LSTM算法的船舶运动自适应建模与预报 1137.1 改进的LSTM算法 1137.1.1 LSTM神经网络模型 1137.1.2 PSO算法 1167.1.3 MHPSO算法 1187.2 MHPSO算法性能分析 1207.2.1 MHPSO算法仿真 1207.2.2 仿真结果对比与分析 1217.3 基于PSO-LSTM和MHPSO-LSTM的预报模型 1237.3.1 基于PSO算法优化的LSTM神经网络模型 1237.3.2 基于MHPSO算法优化的LSTM神经网络模型 1247.4 三种预报模型的船舶运动预报仿真与分析 1267.4.1 升沉运动预报分析 1277.4.2 横摇运动预报分析 1307.4.3 纵摇运动预报分析 1327.5 EMD-MHPSO-LSTM组合模型 1357.5.1 EMD方法 1357.5.2 基于EMD-MHPSO-LSTM组合模型的船舶运动预报 1367.6 船舶运动预报仿真与分析 1387.6.1 升沉运动预报分析 1387.6.2 横摇运动预报分析 1407.6.3 纵摇运动预报分析 1437.7 本章小结 145第8章 基于变步长LMS算法相空间重构的船舶运动自适应建模与预报 1478.1 混沌时间序列的相空间重构 1478.1.1 时间序列混沌特性分析 1478.1.2 延迟时间的确定 1538.1.3 嵌入维数的确定 1558.1.4 船舶运动混沌时间序列的混沌特性分析与重构 1578.2 变步长LMS算法 1648.3 相空间重构的AR模型 1698.4 基于变步长LMS算法相空间重构的船舶运动预报 1718.5 本章小结 174第9章 基于Volterra级数模型的船舶运动自适应建模与预报 1759.1 Volterra级数自适应预报模型 1759.1.1 Volterra级数模型 1769.1.2 Volterra级数模型项数的确定及预报模型 1769.2 Volterra级数模型的非线性系统辨识 1799.2.1 基于NLMS算法的Volterra级数核估计 1799.2.2 基于RLS算法的Volterra级数核估计 1819.2.3 基于Kalman滤波算法的Volterra级数核估计 1839.3 基于自适应算法的Volterra级数模型预报 1859.4 船舶运动组合预报 1889.4.1 组合预报建模 1889.4.2 组合预报模型在船舶运动预报中的应用 1919.5 本章小结 193第10章 基于扩展Kalman滤波算法的船舶运动自适应建模与预报 19410.1 扩展Kalman滤波算法 19410.1.1 Kalman滤波算法 19410.1.2 扩展Kalman滤波及线性化 19810.1.3 Kalman滤波器的稳定性和收敛性 20010.2 船舶运动模型 20210.2.1 分离型船舶运动模型 20210.2.2 船舶运动仿真 20710.3 基于扩展Kalman滤波算法的船舶运动模型辨识 21110.3.1 船舶运动模型的变换 21110.3.2 船舶运动模型参数辨识实验及分析 21410.4 船舶运动自适应预报模型及仿真 21910.5 本章小结 223参考文献 225