声明
摘要
1.1 研究背景和研究意义
1.1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 潮汐调和分析预报方法研究现状
1.2.2 神经网络在潮汐预报中的应用和研究现状
1.2.3 智能优化算法在神经网络中的应用和研究现状
1.3 本文主要研究内容
第2章 潮汐基本原理以及潮汐调和分析
2.1 潮汐的基本概念
2.2 潮汐静力学原理
2.3 分潮和观测时长
2.3.1 分潮和观测时长的选择
2.3.2 潮汐数据的预处理
2.3.3 潮汐的表示方法
2.4 调和常数的计算
2.5 本章小结
第3章 神经网络模型及优化
3.1 BP神经网络
3.1.1 BP网络模型的结构
3.1.2 BP网络的算法
3.1.3 BP神经网络的缺点和改进
3.2 粒子群优化算法
3.2.1 粒子群优化算法
3.2.2 粒子群优化算法基本流程
3.3 自适应粒子群优化算法优化的BP神经网络
3.3.1 自适应粒子群优化算法
3.3.2 自适应粒子群算法优化的BP神经网络
3.4 本章小结
第4章 基于优化的神经网络潮汐预报
4.1 神经网络预测模型的设计
4.2 仿真实验
4.2.1 实验条件
4.2.2 调和分析模型的潮位预报
4.2.3 BP模型的潮位预报
4.2.4 PSO-BP模型的潮位预报
4.2.5 SAPSO-BP模型的潮位预报
4.2.6 预测仿真结果
4.3 SAPSO-BP预测模型的泛化能力和实用性
4.4 本章小结
第5章 区域性潮汐水位预报模型
第6章 结论与展望
6.1 主要结论
6.2 研究不足与展望
参考文献
攻读学位期间公开发表论文
致谢
作者简介
大连海事大学;