原文传递
基于并联型灰色神经网络的舰船运动预报
| 论文题名： | 基于并联型灰色神经网络的舰船运动预报 |
| 关键词： | 舰船运动;RBF神经网络;运动姿态预报 |
| 摘要： | 船舶纵向运动姿态极短期预报对提高船舶武器装备系统精度以及对舰载机着舰的安全系数的提高是十分重要的。由于受到海浪、海风及其它干扰的影响，船舶产生了六个自由度的复杂运动，具有很强的随机性和非线性性，这就导致对船舶运动姿态进行预报相当的困难。 通过对船舶运动姿态极短期预报的历史背景和国内外研究的现状分析比较发现，传统的时间序列分析与预报理论是以线性模型为基础的，对线性系统有较好的效果，但不适用于非线性系统的时间序列建模与预报。 本文从灰色系统理论和神经网络理论的观点出发，从组合优化的角度，利用有效度的概念，建立了一种适用于非线性系统在线实时预报的模型——等维递推并联型灰色神经网络模型(EDRPGNN)，并首次将其运用于舰船运动姿态的极短期预报当中。论文的主要工作如下： 1、研究了舰船纵摇运动数据的特点，针对GM(1，1)预报模型适用于单调增加序列的特点，选用了函数变换型GM(1，1)预报模型。 2、围绕着基于神经网络的建模与预报方案，对不同的神经网络模型进行研究，又考虑到预报可靠性、实时性、时间性的要求，我对神经网络模型进行了筛选，选择了训练速度快、具有较好的泛化能力的RBF神经网络。 3、从组合优化的角度，利用有效度的概念，我将灰色系统理论GM(1，1)预报模型与RBF网络预报模型很好的结合，建立了等维递推并联型灰色神经网络预报模型(EDRPGNN)。 4、借助于Matlab这个功能强大的软件，我对大量数据进行仿真分析，由此确定了模型中的各个参数：灰色GM(1，1)模型的建模数据长、RBF网络的拓展速度参数SPREAD及预报时间长参数。 由EDRPGNN模型进行的大量仿真结果分析知道，该预报模型提高了预报精度，延长了预报时间。说明本文提出地这种预报模型是合理且可行的。 |
| 作者： | 周剑冰 |
| 专业： | 应用数学 |
| 导师： | 沈继红 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2006 |
| 正文语种： | 中文 |
检索历史
应用推荐
