基于小波网的船舶运动建模预报

论文摘要

在实际工程中存在着大量的非线性系统,所以对非线性系统的研究有着非常重要的意义,非线性系统的建模预报是其应用的一个重要方面。船舶运动预报就是根据历史数据的特点,估计出未来一段时间的船舶运动状态,从而提前对船舶姿态作出调整,使船舶尽量保持平衡,有利于船舶的适航性和船员的适居性。本文结合小波分析与神经网络的优点,构造了一种适合非线性系统建模预报的小波网络。围绕基于小波网的建模预报方案,根据船舶运动历史数据的特点,选取了适合船舶运动极短期预报的小波基函数,利用系统辨识对小波网络的参数进行了基于共轭梯度算法的参数辨识,给出了共轭梯度算法的步骤和程序。针对船舶运动极短期预报问题,研究了小波网模型的建模预报方法,推导出了向前一步和多步预报的递推算法。最后,以船舶纵向运动为样本编制程序进行了仿真,将仿真结果与其它的预报模型方法进行了比较,比较结果表明了小波网建模预报方法提高了预报精度,延长了预报时间,说明了小波网建模预报方法的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的来源、目的和意义
• 1.2 小波网发展综述
• 1.3 船舶运动极短期预报概述
• 1.3.1 船舶运动极短期预报的目的和意义
• 1.3.2 国内外研究概况
• 1.4 本文主要工作
• 第2章 船舶运动分析及建模
• 2.1 坐标系
• 2.2 船舶运动方程及受扰分析
• 2.2.1 船舶运动建模简介
• 2.2.2 切片理论与船舶运动建模概念
• 2.2.3 船舶运动方程
• 2.2.4 船舶运动受力分析
• 2.3 船舶纵向运动微分方程
• 2.4 海浪干扰分析
• 2.5 本章小结
• 第3章 小波网络理论基础
• 3.1 神经网络基础
• 3.1.1 神经网络概述
• 3.1.2 神经模型构造
• 3.1.3 神经网络的学习
• 3.1.4 误差反向传播网络
• 3.2 小波分析理论基础
• 3.2.1 小波分析的发展
• 3.2.2 小波应用研究的主要领域
• 3.2.3 连续小波变换与二进小波变换
• 3.2.4 多分辨分析
• 3.2.5 滤波器的定义及性质
• 3.2.6 小波的种类
• 3.3 本章小结
• 第4章 小波网的构建及学习算法
• 4.1 小波神经网络的描述
• 4.2 小波神经网络的参数辨识
• 4.3 小波神经网络的构建
• 4.3.1 多分辨率小波网络
• 4.3.2 连续参数小波网络
• 4.4 小波网络的指标函数
• 4.5 小波网络的共轭梯度学习算法
• 4.5.1 梯度和梯度方向
• 4.5.2 共轭方向法
• 4.5.3 共轭梯度方向的形成
• 4.5.4 共轭梯度法的计算步骤
• 4.6 本章小结
• 第5章 小波网的建模预报方法
• 5.1 基于时间序列的建模预报
• 5.1.1 时间序列的预报问题
• 5.1.2 预报准则
• 5.2 基于小波网的预报模型
• 5.2.1 向前一步预报模型
• 5.2.2 向前多步预报模型
• 5.3 本章小结
• 第6章 基于小波网的船舶纵向运动极短期预报
• 6.1 小波网向前多步预报计算步骤和流程图
• 6.2 预报模型的初始化
• 6.3 仿真结果及统计分析
• 6.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 附录 部分程序