《智能预报技术及其在船舶工程中的应用/现代 舰船导航控制及电气技术丛书》结合作者刘胜多年来 从事船舶控制工程领域的研究工作，阐述了船舶运动 姿态的智能预报技术。全书共分为7章，在介绍人工 神经网络、混沌理论、支持向量机等智能预报技术的 基础上，重点阐述了船舶横摇运动姿态的信息熵加权 神经网络智能预报技术、经验模式分解域神经网络智 能预报技术、支持向量机混沌智能预报技术、固定参 数混沌*小二乘支持向量机智能预报技术、变参数混 沌*小二乘支持向量机智能预报技术；船舶航向运动 鱼群算法支持向量机并行优化智能预报技术、免疫鱼 群算法支持向量机多目标优化智能预报技术、船舶航 向控制系统故障模式分析、故障树构建、故障工况建 模及故障智能预报技术等。
　　本书内容丰富，题材新颖，阐述深入浅出，理论 分析与工程应用联系密切，各章节内容上力求完整性 与独立性，尤其注重理论与实践的结合。
　　本书可供智能预报技术、船舶工程、控制科学与 工程相关专业研究生、高年级本科生使用，也可作为 从事船舶工程研究和设计人员的参考书。

第1章  绪论
1.1  时间序列分析预报技术
1.2  时间序列灰色预报技术
1.3  混沌序列预报技术
1.4  分解组合预报技术
1.5  人工神经网络预报技术
1.6  支持向量机预报技术
1.7  在线实时预报技术
1.8  船舶运动姿态预报技术
1.9  船舶控制系统故障预报技术
第2章  智能预报技木理论基础
2.1  信息熵加权EIman神经网络原理
2.1.1  Elman神经网络概述
2.1.2  Elman神经网络结构
2.1.3  Elman神经网络动态学习过程
2.1.4  信息熵加权Elman神经网络算法
2.2  统计学习理论与支持向量机
2.2.1  机器学习
2.2.2  统计学习理论
2.2.3  支持向量机回归原理
2.2.4  小波v一支持向量机
2.3  群体智能优化算法
2.3.1  群体智能优化算法的基本框架
2.3.2  多种群协调混沌粒子群算法
2.3.3  遗传算法
2.3.4  人工鱼群算法
2.3.5  免疫鱼群算法
第3章  船舶横摇运动姿态神经网络智能预报技木
3.1  经验模式分解理论
3.1.1  经验模式分解算法
3.1.2  经验模式分解的相关特性
3.2  预报能力评价准则
3.3  船舶横摇运动姿态神经网络预报技术
3.3.1  信息熵加权的Elman神经网络预报技术
3.3.2  船舶横摇运动姿态神经网络预报
3.4  船舶横摇运动姿态经验模式分解域神经网络预报技术
3.4.1  分解域神经网络预报结构
3.4.2  分解域神经网络预报技术
3.4.3  船舶横摇运动姿态经验模式分解域神经网络预报
第4章  船舶横摇运动姿态支持向量杌混沌智能预报技木
4.1  船舶横摇运动姿态混沌动力学特征研究
4.1.1  船舶横摇运动相空间重构参数选择
4.1.2  船舶横摇运动混沌特性定性分析
4.1.3  船舶横摇运动混沌特征指数分析
4.2  变异小波v一支持向量机
4.3  单变量鲁棒小波v一支持向量机
4.3.1  基于间隔的结构风险最小化原则
4.3.2  鲁棒损失函数
4.3.3  鲁棒小波v一支持向量机
4.3.4  单松弛变量鲁棒小波v一支持向量回归模型
4.3.5  单松弛变量孝和双松弛变量的比较
4.3.6  改进支持向量机解集的讨论
4.4  基于改进支持向量机的混沌智能预报方法
4.5  船舶横摇运动改进支持向量机混沌智能预报技术
4.5.1  船舶横摇运动姿态混沌智能预报算法
4.5.2  船舶横摇运动姿态混沌智能预报
第5章  船舶航向支持向量机智能预报技木
5.1  并行优化支持向量机
5.1.1  特征选择优化模型
5.1.2  支持向量机参数优化模型
5.1.3  加权系数优化模型
5.1.4  并行优化模型
5.2  船舶航向改进鱼群算法支持向量机并行优化预报技术
5.2.1  基于动物捕食搜索策略的改进人工鱼群算法
5.2.2  船舶航向改进人工鱼群算法支持向量机并行优化预报
5.3  支持向量机性能多目标优化技术
5.3.1  多目标优化问题的数学描述
5.3.2  支持向量机性能Pareto最优解集
5.3.3  Pareto近似解集求解方法
5.4  船舶航向改进免疫鱼群算法支持向量机多目标优化预报
第6章  船舶横摇运动姿态最小二乘支持向量机智能预报技术
6.1  最小二乘支持向量机(LSSVM)
6.1.1  最小二乘支持向量机回归模型
6.1.2  ISSVM增量式学习算法
6.1.3  LSsVM在线式学习算法
6.2  混沌最小二乘支持向量机预报技术
6.2.1  固定参数预报模型
6.2.2  固定参数在线预报步骤
6.2.3  船舶横摇运动姿态固定参数混沌LSSVM预报
6.3  时间序列变参数混沌LSSVM预报技术
6.3.1  最小二乘支持向量机变参数在线建模方法
6.3.2  变参数混沌LSSVM在线建模预报步骤
6.3.3  船舶横摇运动姿态变参数混沌LSSVM预报
第7章  船舶航向控制系统故降智能预报技术
7.1  船舶航向控制系统故障模式及原因分析
7.1.1  舵控制系统故障分析
7.1.2  船舶动力装置故障分析
7.2  船舶航向控制系统故障树构建
7.2.1  故障树的基本概念
7.2.2  故障树构建
7.2.3  故障树定性分析
7.3  船舶航向控制系统故障工况下建模
7.3.1  船舶运动建模
7.3.2  舵控制系统建模
7.3.3  船舶动力装置建模
7.3.4  故障模型下船舶航向态势仿真
7.4  船舶航向控制系统故障小波网幺各／支持向量机组合预报技术
7.4.1  组合预报的基本原理及方法
7.4.2  船舶航向控制系统故障组合预报模型
7.4.3  船舶航向控制系统小波支持向量机故障组合预报
参考文献