基于神经网络的舰船机舱火灾温度快速预测

为了更快、高精度的对舰船机舱火灾温度进行建模和预测,提出基于神经网络的舰船机舱火灾温度快速预测方法。首先分析当前舰船机舱火灾温度的研究进展,指出当前舰船机舱火灾温度预测方法的局限性,然后收集舰船机舱火灾温度的历史数据,通过神经网络对历史数据进行学习和分析,挖掘舰船机舱火灾温度变化特点,建立舰船机舱火灾温度预测模型,并对神经网络参数优化问题进行解决,最后与其他舰船机舱火灾温度方法进行对比实验。结果表明,神经网络的舰船机舱火灾温度预测精度超过90%,远远高于其他舰船机舱火灾温度方法的预测精度,同时减少舰船机舱火灾温度预测建模时间,能够快速对舰船机舱火灾温度进行预测。     

改进的BP神经网络方法在舰船修理费用预测中的应用

文章基于神经网络理论,以某型舰船特装修理费用为例,建立了改进算法的BP神经网络预测模型,最后对海军舰船特装修理费用进行了中短期预测。     

舰船上层建筑振动特性的数学模型设计

针对当前数学模型无法描述舰船上层建筑振动特性的变化规律,为了提高舰船上层建筑振动特性预测精度,设计一种蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测数学模型。首先对当前各种舰船上层建筑振动特性预测数学模型的优缺点进行阐述,然后采用神经网络对舰船上层建筑振动特性变化规律进行拟合,并采用蚁群优化算法确定神经网络相关参数,最后进行舰船上层建筑振动特性预测数学模型的性能测试。结果表明,蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测精度高,不仅预测误差远低于当前其他舰船上层建筑振动特性预测数学模型,而且预测效率也得到了改善,为解决舰船上层建筑振动特性预测问题提供了一种新的研究方法。     

基于RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

基于组合优化理论的舰船航行速度预测

详细介绍小波神经网络和灰色系统理论的基本原理,在舰船瞬时运动模型的基础上,采用组合优化理论,将小波神经网络和灰色系统理论结合,设计一种舰船航行速度预测模型,后期的仿真实验证明,基于组合优化理论的舰船航行速度预测具有较高的精度.     

组合优化理论的舰船装备维修费预测

单一模型难以准确对舰船装备维修费用进行建模与预测,为了提高舰船装备维修费的预测精度,设计了一种组合优化理论的舰船装备维修费预测模型。首先分别采用灰色模型和神经网络对舰船装备维修费进行预测,然后确定2种模型的舰船装备维修费预测权值,加权得到最终的舰船装备维修费预测结果,最后采用VC++6.0实现了舰船装备维修费预测仿真测试,仿真结果表明本文模型获得了较高的舰船装备维修费预测精度,相对于单一模型,本文模型的舰船装备维修费预测结果具有比较显著的优势。     

基于支持向量机的舰船维修费用组合预测研究

在费用预测中,利用单一模型往往存在着信息不足的缺陷。为了提高舰船维修费用的预测精度和稳定性,采用支持向量机（SVM）回归算法,把几种单一预测模型结果作为输入,实际值作为输出,然后用足够多的预测案例训练学习机器,在各组合的模型预测结果与实际之间得到一种非线性映射关系,从而建立了非线性组合预测模型。最后,以某型舰船维修费用为例,对指数平滑法、灰色预测和参数法3种方法的预测结果进行仿真,结果表明此法较传统的单一模型预测法具有更高的预测精度。     

混沌理论的舰船事故预测

舰船事故的预测具有十分重要的价值,针对舰船事故变化的混沌性,为了解决当前舰船事故预测模型存在的局限性,提出了基于混沌理论的舰船事故预测模型,首先对当前舰船事故预测的研究现状进行分析,指出引起舰船事故预测精度低的原因,然后引入混沌理论建立舰船事故预测的学习样本,并采用最小二乘支持向量机建立舰船事故预测模型,最后通过采用舰船事故预测数据对模型性能进行分析,本文模型的舰船事故预测精度超过95%,而且舰船事故预测误差很低。     

云计算平台下舰船航行应急响应资源需求预测分析

针对传统的应急资源需求预测分析模型易受干扰而导致的预测误差较大的问题,研究云计算平台下舰船航行应急响应资源需求预测分析模型。使用聚类算法对舰船航行应急资源需求评估,利用小波神经网络构建需求预测模型。在云计算平台中,对构建的资源预测模型参数求解,完成云计算平台下舰船航行应急响应资源需求预测分析模型的构建。设计与传统基于案例推理的资源需求预测模型的对比实验,通过实验证明构建的云计算平台下的预测模型预测误差更小,性能更佳。     

基于改进神经网络算法的舰船操纵性能预报系统

针对传统舰船操纵性能预报系统预报精度低、稳定性差、效率慢等弊端,设计一种新的基于改进神经网络的舰船操纵性能预报系统。对标准神经网络算法容易陷入局部最优解的不足进行改进,用共轭梯度法取代原梯度下降算法,介绍了改进后的神经网络算法。通过矩阵方式对舰船操纵稳定性的构成进行描述,利用改进的神经网络算法设计舰船操纵稳定性预报系统。实验结果表明,所设计系统预报精度高、稳定性强、效率快,能有效完成舰船操纵稳定性的预报。