船舶運動自適應建模預報 彭秀豔 9787030718839 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$687
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202306*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：船舶運動自適應建模預報 ISBN：9787030718839 出版社：科學 著編譯者：彭秀豔 頁數：228 所在地：中國大陸 *此為代購商品 書號：1560765 可大量預訂，請先連絡。 內容簡介 本書系統介紹了基於非水動力學和水動力學的船舶運動自適應建模預報（濾波）理論和方法，主要內容包括基於Wiener濾波理論、Kalman濾波理論、智能建模理論和混沌相空間重構理論等的船舶運動自適應建模預報原理和方法，以及解決實際工程問題的推理過程和應用中的具體演算法。對於每種自適應建模預報方法均有詳細的理論推導和演算法改進過程，並提供根據科研工作整理出的應用實例，通過應用實例分析給出各種方法的特點。本書既闡述船舶運動自適應建模原理知識，也介紹預報演算法、步驟及實例，強調理論分析、建模方法、工程應用三者之間的協調發展。 本書可供自動控制、慣性導航、無線電通信、船舶運動控制、信號與信號處理等專業的科技工作者參考，亦可作為高等院校船舶工程、電子信息等專業教師、研究生的參考用書。目錄 前言第1章 緒論 1 1 概述 1 2 基於時間序列分析法的船舶運動自適應建模與預報 1 3 混沌時間序列預測 1 4 基於水動力學方法的建模與預報 第2章 基於最小均方誤差準則的AR建模與預報 2 1 最小均方誤差準則和Wiener最優濾波器 2 2 基於LMS演算法的自適應AR建模 2 2 1 LMS演算法 2 2 2 LMS演算法的梯度特性 2 2 3 係數向量的收斂特性 2 2 4 LMS演算法與AR模型 2 3 基於LMS的改進演算法 2 3 1 LMS-Newton演算法 2 3 2 NLMS演算法 2 3 3 仿射投影演算法 2 4 基於LMS演算法的船舶運動預報 2 4 1 基於LMS演算法的自適應AR建模預報模型 2 4 2 模擬實例與分析 2 5 本章小結 第3章 基於LRLS演算法的船舶運動自適應建模與預報 3 1 加權最小二乘準則及RLS演算法 3 2 RLS演算法的收斂性 3 2 1 參數估計的收斂性 3 2 2 RLS演算法的均方收斂性 3 3 線性預報 3 3 1 前向預報 3 3 2 反向預報 3 3 3 變換因子 3 4 LRLS演算法 3 4 1 階數更新方程 3 4 2 時間遞推公式 3 5 基於LRLS演算法的船舶運動預報 3 5 1 基於LRLS演算法的AR建模預報模型 3 5 2 模擬實例與分析 3 6 本章小結 第4章 基於Kalman濾波演算法的船舶運動自適應建模與預報 4 1 線性最小方差估計和射影理論 4 1 1 射影理論 4 1 2 新息序列 4 2 Kalman濾波原理及狀態估計 4 3 基於一步預報的Kalman濾波公式 4 4 基於Kalman濾波演算法的船舶運動自適應建模 4 4 1 平穩輸入下的自適應橫向濾波器 4 4 2 非平穩輸入下的自適應橫向濾波器 4 5 基於Kalman濾波演算法的船舶運動預報 4 6 本章小結 第5章 基於LS-SVM的船舶運動自適應建模與預報 5 1 SVM介紹 5 1 1 SVM基本原理 5 1 2 核函數 5 2 LS-SVM介紹 5 2 1 LS-SVM基本原理 5 2 2 參數和核函數參數的確定 5 2 3 移動時間窗 5 3 基於LS-SVM的船舶運動自適應建模 5 4 本章小結 第6章 基於改進周期圖法的船舶運動自適應建模與預報 6 1 周期圖法 6 1 1 基於周期圖法的船舶運動自適應建模 6 1 2 周期圖預報模擬與分析 6 2 基於改進周期圖法的船舶運動自適應建模 6 2 1 數據交疊分段的周期圖法原理 6 2 2 數據交疊分段和加窗函數改進周期圖法原理 6 3 基於改進周期圖法的船舶運動預報模擬與分析 6 3 1 數據交疊分段改進周期圖法預報模擬與分析 6 3 2 加窗函數改進周期圖法預報模擬與分析 6 3 3 數據交疊分段和加窗函數改進周期圖法預報模擬與分析 6 4 本章小結 第7章 基於改進LSTM演算法的船舶運動自適應建模與預報 7 1 改進的LSTM演算法 7 1 1 LSTM神經網路模型 7 1 2 PSO演算法 7 1 3 MHPSO演算法 7 2 MHPSO演算法性能分析 7 2 1 MHPSO演算法模擬 7 2 2 模擬結果對比與分析 7 3 基於PSO-LSTM和MHPSO-LSTM的預報模型 7 3 1 基於PSO演算法優化的LSTM神經網路模型 7 3 2 基於MHPSO演算法優化的LSTM神經網路模型 7 4 三種預報模型的船舶運動預報模擬與分析 7 4 1 升沉運動預報分析 7 4 2 橫搖運動預報分析 7 4 3 縱搖運動預報分析 7 5 EMD-MHPSO-LSTM組合模型 7 5 1 EMD方法 7 5 2 基於EMD-MHPSO-LSTM組合模型的船舶運動預報 7 6 船舶運動預報模擬與分析 7 6 1 升沉運動預報分析 7 6 2 橫搖運動預報分析 7 6 3 縱搖運動預報分析 7 7 本章小結 第8章 基於變步長LMS演算法相空間重構的船舶運動自適應建模與預報 8 1 混沌時間序列的相空間重構 8 1 1 時間序列混沌特性分析 8 1 2 延遲時間的確定 8 1 3 嵌入維數的確定 8 1 4 船舶運動混沌時間序列的混沌特性分析與重構 8 2 變步長LMS演算法 8 3 相空間重構的AR模型 8 4 基於變步長LMS演算法相空間重構的船舶運動預報 8 5 本章小結 第9章 基於Volterra級數模型的船舶運動自適應建模與預報 9 1 Volterra級數自適應預報模型 9 1 1 Volterra級數模型 9 1 2 Volterra級數模型項數的確定及預報模型 9 2 Volterra級數模型的非線性系統辨識 9 2 1 基於NLMS演算法的Volterra級數核估計 9 2 2 基於RLS演算法的Volterra級數核估計 9 2 3 基於Kalman濾波演算法的Volterra級數核估計 9 3 基於自適應演算法的Volterra級數模型預報 9 4 船舶運動組合預報 9 4 1 組合預報建模 9 4 2 組合預報模型在船舶運動預報中的應用 9 5 本章小結 第10章 基於擴展Kalman濾波演算法的船舶運動自適應建模與預報 10 1 擴展Kalman濾波演算法 10 1 1 Kalman濾波演算法 10 1 2 擴展Kalman濾波及線性化 10 1 3 Kalman濾波器的穩定性和收斂性 10 2 船舶運動模型 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
