掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學的問題與脈絡
船舶運動自適應建模預報 版權(quán)信息
- ISBN：9787030718839
- 條形碼：9787030718839 ; 978-7-03-071883-9
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
船舶運動自適應建模預報 內(nèi)容簡介
本書系統(tǒng)介紹了基于非水動力學的船舶運動自適應建模預報（濾波）理論和方法。涵蓋了近幾年船舶運動預報（濾波）近期新動態(tài)和研究成果。書中內(nèi)容豐富,論述嚴謹,重點突出，涉及到許多基礎理論和工程實際應用方法，分別介紹了應用維納濾波理論、卡爾曼濾波理論、智能建模理論、混沌相空間重構(gòu)理論等對船舶運動自適應建模預報原理和方法，及解決實際工程問題的推理過程以及應用中的具體算法。每種自適應建模預報方法均有詳細理論推導和算法改進。同時書中詳盡分析了影響船舶運動預報建模收斂速度、穩(wěn)態(tài)精度等因素。并且對每種預報方法都給出了根據(jù)科研工作整理出的應用實例，通過應用實例分析給出了各種方法的特點。
船舶運動自適應建模預報 目錄
目錄前言第1章 緒論 11.1 概述 11.2 基于時間序列分析法的船舶運動自適應建模與預報 21.3 混沌時間序列預測 41.4 基于水動力學方法的建模與預報 6第2章 基于*小均方誤差準則的AR建模與預報 82.1 *小均方誤差準則和Wiener*優(yōu)濾波器 82.2 基于LMS算法的自適應AR建模 102.2.1 LMS算法 102.2.2 LMS算法的梯度特性 112.2.3 系數(shù)向量的收斂特性 122.2.4 LMS算法與AR模型 142.3 基于LMS的改進算法 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算法的船舶運動預報 212.4.1 基于LMS算法的自適應AR建模預報模型 212.4.2 仿真實例與分析 222.5 本章小結(jié) 29第3章 基于LRLS算法的船舶運動自適應建模與預報 303.1 加權(quán)*小二乘準則及RLS算法 303.2 RLS算法的收斂性 343.2.1 參數(shù)估計的收斂性 343.2.2 RLS算法的均方收斂性 353.3 線性預報 363.3.1 前向預報 363.3.2 反向預報 383.3.3 變換因子 403.4 LRLS算法 433.4.1 階數(shù)更新方程 433.4.2 時間遞推公式 463.5 基于LRLS算法的船舶運動預報 473.5.1 基于LRLS算法的AR建模預報模型 473.5.2 仿真實例與分析 493.6 本章小結(jié) 51第4章 基于Kalman濾波算法的船舶運動自適應建模與預報 524.1 線性*小方差估計和射影理論 524.1.1 射影理論 524.1.2 新息序列 554.2 Kalman濾波原理及狀態(tài)估計 574.3 基于一步預報的Kalman濾波公式 634.4 基于Kalman濾波算法的船舶運動自適應建模 654.4.1 平穩(wěn)輸入下的自適應橫向濾波器 664.4.2 非平穩(wěn)輸入下的自適應橫向濾波器 684.5 基于Kalman濾波算法的船舶運動預報 704.6 本章小結(jié) 72第5章 基于LS-SVM的船舶運動自適應建模與預報 735.1 SVM介紹 735.1.1 SVM基本原理 735.1.2 核函數(shù) 765.2 LS-SVM介紹 775.2.1 LS-SVM基本原理 785.2.2 參數(shù)和核函數(shù)參數(shù)的確定 795.2.3 移動時間窗 815.3 基于LS-SVM的船舶運動自適應建模 815.4 本章小結(jié) 85第6章 基于改進周期圖法的船舶運動自適應建模與預報 866.1 周期圖法 866.1.1 基于周期圖法的船舶運動自適應建模 866.1.2 周期圖預報仿真與分析 896.2 基于改進周期圖法的船舶運動自適應建模 906.2.1 數(shù)據(jù)交疊分段的周期圖法原理 906.2.2 數(shù)據(jù)交疊分段和加窗函數(shù)改進周期圖法原理 916.3 基于改進周期圖法的船舶運動預報仿真與分析 956.3.1 數(shù)據(jù)交疊分段改進周期圖法預報仿真與分析 956.3.2 加窗函數(shù)改進周期圖法預報仿真與分析 1006.3.3 數(shù)據(jù)交疊分段和加窗函數(shù)改進周期圖法預報仿真與分析 1056.4 本章小結(jié) 112第7章 基于改進LSTM算法的船舶運動自適應建模與預報 1137.1 改進的LSTM算法 1137.1.1 LSTM神經(jīng)網(wǎng)絡模型 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 仿真結(jié)果對比與分析 1217.3 基于PSO-LSTM和MHPSO-LSTM的預報模型 1237.3.1 基于PSO算法優(yōu)化的LSTM神經(jīng)網(wǎng)絡模型 1237.3.2 基于MHPSO算法優(yōu)化的LSTM神經(jīng)網(wǎng)絡模型 1247.4 三種預報模型的船舶運動預報仿真與分析 1267.4.1 升沉運動預報分析 1277.4.2 橫搖運動預報分析 1307.4.3 縱搖運動預報分析 1327.5 EMD-MHPSO-LSTM組合模型 1357.5.1 EMD方法 1357.5.2 基于EMD-MHPSO-LSTM組合模型的船舶運動預報 1367.6 船舶運動預報仿真與分析 1387.6.1 升沉運動預報分析 1387.6.2 橫搖運動預報分析 1407.6.3 縱搖運動預報分析 1437.7 本章小結(jié) 145第8章 基于變步長LMS算法相空間重構(gòu)的船舶運動自適應建模與預報 1478.1 混沌時間序列的相空間重構(gòu) 1478.1.1 時間序列混沌特性分析 1478.1.2 延遲時間的確定 1538.1.3 嵌入維數(shù)的確定 1558.1.4 船舶運動混沌時間序列的混沌特性分析與重構(gòu) 1578.2 變步長LMS算法 1648.3 相空間重構(gòu)的AR模型 1698.4 基于變步長LMS算法相空間重構(gòu)的船舶運動預報 1718.5 本章小結(jié) 174第9章 基于Volterra級數(shù)模型的船舶運動自適應建模與預報 1759.1 Volterra級數(shù)自適應預報模型 1759.1.1 Volterra級數(shù)模型 1769.1.2 Volterra級數(shù)模型項數(shù)的確定及預報模型 1769.2 Volterra級數(shù)模型的非線性系統(tǒng)辨識 1799.2.1 基于NLMS算法的Volterra級數(shù)核估計 1799.2.2 基于RLS算法的Volterra級數(shù)核估計 1819.2.3 基于Kalman濾波算法的Volterra級數(shù)核估計 1839.3 基于自適應算法的Volterra級數(shù)模型預報 1859.4 船舶運動組合預報 1889.4.1 組合預報建模 1889.4.2 組合預報模型在船舶運動預報中的應用 1919.5 本章小結(jié) 193第10章 基于擴展Kalman濾波算法的船舶運動自適應建模與預報 19410.1 擴展Kalman濾波算法 19410.1.1 Kalman濾波算法 19410.1.2 擴展Kalman濾波及線性化 19810.1.3 Kalman濾波器的穩(wěn)定性和收斂性 20010.2 船舶運動模型 20210.2.1 分離型船舶運動模型 20210.2.2 船舶運動仿真 20710.3 基于擴展Kalman濾波算法的船舶運動模型辨識 21110.3.1 船舶運動模型的變換 21110.3.2 船舶運動模型參數(shù)辨識實驗及分析 21410.4 船舶運動自適應預報模型及仿真 21910.5 本章小結(jié) 223參考文獻 225
展開全部
書友推薦
- >
自卑與超越
- >
我與地壇
- >
【精裝繪本】畫給孩子的中國神話
- >
名家?guī)阕x魯迅:朝花夕拾
- >
巴金－再思錄
- >
唐代進士錄
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
本類暢銷
