本书在总结舰船及浮式平台运动响应智能预报领域研究成果基础上，首先介绍了舰船及浮式平台运动响应预报涉及的相关技术，包括自回归模型、水动力模型、机器学习模型、深度学习模型等；其次介绍了一种基于波浪效应的舰船运动回归预报方法；再次介绍了基于支持向量回归、深度学习等理论方法提出的5种舰船及浮式平台运动预报模型，针对预报模型的超参求解难题提供了5种对应的超参优选方法；然后，开展实例分析，测试提出新模型和新方法的预报效果；最后探讨了舰船及浮式平台运动预报未来发展趋势。 本书可供舰船及浮式平台运动响应预测、时间序列预测、机器学习、深度学习等方面的研究人员阅读，也可供大专院校船舶与海洋工程、数学、计算机等专业教师、研究生、高年级学生参考。

第一章 舰船及浮式平台运动预报内涵与必要性
第一节 舰船及浮式平台运动预报意义
第二节 舰船及浮式平台运动预报现状
第三节 舰船及浮式平台运动预报影响因素
第二章 基于波浪效应的舰船运动回归预报方法
第一节 自回归模型基本原理
第二节 波浪效应自回归模型
第三章 舰船及浮式平台运动非线性动力系统模拟方法
第一节 具有混合核功能的支持向量回归舰船运动预测模型
第二节 基于最小二乘支持向量回归的周期图估计补偿舰船运动预测模型
第三节 基于经验模态分解和混合深度学习网络的舰船运动预测模型
第四节 基于注意力机制和混合深度学习网络的舰船运动预测模型
第五节 基于集成经验模态分解和ConvLSTM的浮式平台运动预测模型
第四章 舰船及浮式平台运动智能预报模型的超参优选方法
第一节 基于混沌蝙蝠新算法的混合核SVR模型超参优选方法
第二节 基于改进粒子群算法的PEM&LSSVR模型超参优选方法
第三节 基于改进蝴蝶优化算法的ECG模型超参优选方法
第四节 基于改进鲸鱼优化算法的C&G&A模型超参优选方法
第五节 基于改进蚁狮优化算法的EEMD-ConvLSTM模型超参优选方法
第五章 舰船及浮式平台运动预报典型案例
第一节 基于混沌蝙蝠算法和混合核SVR的舰船运动预测方法实例分析
第二节 PEM&LSSVR-CCPSO舰船运动预测方法实例分析
第三节 ECG&QBOA舰船运动预测方法实例分析
第四节 GCWOA-CNN-GRU-AM舰船运动预测方法实例分析
第五节 EEMD-ConvLSTM-CQALO浮式平台运动预测方法实例分析
第六章 舰船及浮式平台运动预报未来发展趋势
第一节 舰船及浮式平台运动预报方法研究趋势分析
第二节 舰船及浮式平台运动研究展望
参考文献