返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 诺森船舶运动自适应建模预报彭秀艳著9787030718839科学出版社
  • 正版
    • 作者: 彭秀艳著著 | 彭秀艳著编 | 彭秀艳著译 | 彭秀艳著绘
    • 出版社: 科学出版社
    • 出版时间:2023-06
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 彭秀艳著著| 彭秀艳著编| 彭秀艳著译| 彭秀艳著绘
    • 出版社:科学出版社
    • 出版时间:2023-06
    • 版次:1
    • 字数:297000
    • 页数:236
    • 开本:16开
    • ISBN:9787030718839
    • 版权提供:科学出版社
    • 作者:彭秀艳著
    • 著:彭秀艳著
    • 装帧:平装
    • 印次:暂无
    • 定价:108.00
    • ISBN:9787030718839
    • 出版社:科学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-06
    • 页数:236
    • 外部编号:13031075
    • 版次:1
    • 成品尺寸:暂无

    前言

    章 绪论 1

    1.1 概述 1

    1.2 基于时间序列分析法的船舶运动自适应建模与预报 2

    1.3 混沌时间序列预测 4

    1.4 基于水动力学方法的建模与预报 6

    第2章 基于均方误差准则的AR建模与预报 8

    2.1 均方误差准则和Wiener很优滤波器 8

    2.2 基于LMS算法的自适应AR建模 10

    2.2.1 LMS算法 10

    2.2.2 LMS算法的梯度特 11

    2.. 系数向量的收敛特 12

    2.2.4 LMS算法与AR模型 14

    . 基于LMS的改进算法 14

    ..1 LMS-Newton算法 15

    ..2 NLMS算法 17

    .. 仿投影算法 18

    2.4 基于LMS算法的船舶运动预报 21

    2.4.1 基于LMS算法的自适应AR建模预报模型 21

    2.4.2 实例与分析 22

    2.5 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 30

    3.1 加权二乘准则及RLS算法 30

    3.2 RLS算法的收敛 34

    3.2.1 参数估计的收敛 34

    3.2.2 RLS算法的均方收敛 35

    3.3 线预报 36

    3.3.1 前向预报 36

    3.3.2 反向预报 38

    3.3.3 变换因子 40

    3.4 LRLS算法 43

    3.4.1 阶数更新方程 43

    3.4.2 时间递推公式 46

    3.5 基于LRLS算法的船舶运动预报 47

    3.5.1 基于LRLS算法的AR建模预报模型 47

    3.5.2 实例与分析 49

    3.6 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 52

    4.1 线方差估计和影理论 52

    4.1.1 影理论 52

    4.1.2 新息序列 55

    4.2 Kalman滤波原理及状态估计 57

    4.3 基于一步预报的Kalman滤波公式 63

    4.4 基于Kalman滤波算法的船舶运动自适应建模 65

    4.4.1 平稳输入下的自适应横向滤波器 66

    4.4.2 非平稳输入下的自适应横向滤波器 68

    4.5 基于Kalman滤波算法的船舶运动预报 70

    4.6 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 73

    5.1 SVM介绍 73

    5.1.1 SVM基本原理 73

    5.1.2 核函数 76

    5.2 LS-SVM介绍 77

    5.2.1 LS-SVM基本原理 78

    5.2.2 参数和核函数参数的确定 79

    5.. 移动时间窗 81

    5.3 基于LS-SVM的船舶运动自适应建模 81

    5.4 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 86

    6.1 周期图法 86

    6.1.1 基于周期图法的船舶运动自适应建模 86

    6.1.2 周期图预报与分析 89

    6.2 基于改进周期图法的船舶运动自适应建模 90

    6.2.1 数据交叠分段的周期图法原理 90

    6.2.2 数据交叠分段和加窗函数改进周期图法原理 91

    6.3 基于改进周期图法的船舶运动预报与分析 95

    6.3.1 数据交叠分段改进周期图法预报与分析 95

    6.3.2 加窗函数改进周期图法预报与分析 100

    6.3.3 数据交叠分段和加窗函数改进周期图法预报与分析 105

    6.4 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 113

    7.1 改进的LSTM算法 113

    7.1.1 LSTM神经网络模型 113

    7.1.2 PSO算法 116

    7.1.3 MHPSO算法 118

    7.2 MHPSO算法能分析 120

    7.2.1 MHPSO算法 120

    7.2.2 结果对比与分析 121

    7.3 基于PSO-LSTM和MHPSO-LSTM的预报模型 1

    7.3.1 基于PSO算法优化的LSTM神经网络模型 1

    7.3.2 基于MHPSO算法优化的LSTM神经网络模型 124

    7.4 三种预报模型的船舶运动预报与分析 126

    7.4.1 升沉运动预报分析 127

    7.4.2 横摇运动预报分析 130

    7.4.3 纵摇运动预报分析 132

    7.5 EMD-MHPSO-LSTM组合模型 135

    7.5.1 EMD方法 135

    7.5.2 基于EMD-MHPSO-LSTM组合模型的船舶运动预报 136

    7.6 船舶运动预报与分析 138

    7.6.1 升沉运动预报分析 138

    7.6.2 横摇运动预报分析 140

    7.6.3 纵摇运动预报分析 143

    7.7 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 147

    8.1 混沌时间序列的相空间重构 147

    8.1.1 时间序列混沌特分析 147

    8.1.2 迟间的确定 153

    8.1.3 嵌入维数的确定 155

    8.1.4 船舶运动混沌时间序列的混沌特分析与重构 157

    8.2 变步长LMS算法 164

    8.3 相空间重构的AR模型 169

    8.4 基于变步长LMS算法相空间重构的船舶运动预报 171

    8.5 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 175

    9.1 Volterra级数自适应预报模型 175

    9.1.1 Volterra级数模型 176

    9.1.2 Volterra级数模型项数的确定及预报模型 176

    9.2 Volterra级数模型的非线系统辨识 179

    9.2.1 基于NLMS算法的Volterra级数核估计 179

    9.2.2 基于RLS算法的Volterra级数核估计 181

    9.. 基于Kalman滤波算法的Volterra级数核估计 183

    9.3 基于自适应算法的Volterra级数模型预报 185

    9.4 船舶运动组合预报 188

    9.4.1 组合预报建模 188

    9.4.2 组合预报模型在船舶运动预报中的应用 191

    9.5 本章小结 193

    0章 基于扩展Kalman滤波算法的船舶运动自适应建模与预报 194

    10.1 扩展Kalman滤波算法 194

    10.1.1 Kalman滤波算法 194

    10.1.2 扩展Kalman滤波及线化 198

    10.1.3 Kalman滤波器的稳定和收敛 200

    10.2 船舶运动模型 202

    10.2.1 分离型船舶运动模型 202

    10.2.2 船舶运动 207

    10.3 基于扩展Kalman滤波算法的船舶运动模型辨识 211

    10.3.1 船舶运动模型的变换 211

    10.3.2 船舶运动模型参数辨识实验及分析 214

    10.4 船舶运动自适应预报模型及 219

    10.5 本章小结 2

    参考文献 225

    《船舶运动自适应建模预报》系统介绍了基于非水动力学和水动力学的船舶运动自适应建模预报(滤波)理论和方法,主要内容包括基于Wiener滤波理论、Kalman滤波理论、智能建模理论和混沌相空间重构理论等的船舶运动自适应建模预报原理和方法,以及解决实际工程问题的推理过程和应用中的具体算法。对于每种自适应建模预报方法均有详细的理论推导和算法改进过程,并提供根据科研工作整理出的应用实例,通过应用实例分析给出各种方法的特点。《船舶运动自适应建模预报》既阐述船舶运动自适应建模原理知识,也介绍预报算法、步骤及实例,强调理论分析、建模方法、工程应用三者之间的协调发展。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购