基于蚁群算法的灰色预报模型及其在舰船运动预报中的应用

摘要

舰船运动姿态的极短期预报对于舰船航行及舰载机着舰的安全起降等方面有着重要的意义。由于受到海浪、海风等其他干扰力的影响，舰船产生了复杂的六自由度运动，这六个自由度运动具有很强的随机性和非线性性，这就给舰船运动极短期预报带来了很大的困难。 本文立足于舰船纵摇运动的极短期预报，在深入研究灰色预测理论的基础上，将蚁群算法应用于舰船纵摇运动姿态预报中，建立了一种适用于非线性系统的实时预报模型--基于蚁群算法的灰色GM(1，1)(ACGM)模型，并首次将其运用于舰船运动预报中。本论文的主要工作如下： 1、研究了舰船纵摇运动的数据的特点，针对GM(1，1)预报模型适用于单调增加序列的特点，选用了函数变换型GM(1，1)预报模型。 2、在构造灰色系统预测模型时，本文研究了一些优化方法。在经过函数变换的数列后增加一个平移常数w再进行建模以提高模型的精度。 3、考虑到GM(1，1)模型的背景值的取值不同会影响到模型精度，将蚁群算法运用于灰色GM(1，1)模型的参数选择中，建立了一种基于蚁群算法的灰色GM(1，1)模型(ACGM(1，1)model)，其中，蚁群算法对于优化最优平移值w和参数口有很大的优势。在此基础上形成了比较适用的预测模型。 4、借助Matlab软件，对大量数据进行仿真实验，确定模型中的参数w和α。 通过针对舰船纵摇运动的预报问题，利用ACGM(1，1)模型进行了大量的仿真分析。结果表明，该预报模型提高了预报精度，延长了预报时间，这说明本文提出的预报模型是合理可行的。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景及意义

1.2舰船运动极短期预报研究及发展概况

1.3本文的主要工作

第2章灰色系统理论概述

2.1灰色系统理论概述

2.1.1什么是灰色系统

2.1.2灰色系统理论的产生与发展

2.2灰色系统基本原则、主要内容与方法

2.2.1灰色系统理论的基本原则

2.2.2灰色系统理论的主要内容

2.2.3灰色系统基本原理及基本方法

2.2.4灰色系统建模机理

2.3灰色系统五步建模思想

2.4灰色系统理论预测方法的特点

2.5生成数

2.5.1累加生成

2.5.2累减生成

2.6灰色GM(1，1)预测模型

2.7模型的精度检验

2.7.1残差检验

2.7.2后验差检验

2.7.3 GM(1，1)模型优化

2.7.4新陈代谢模型

2.8本章小结

第3章蚁群算法原理概述

3.1基本蚁群算法的起源

3.2离散空间基本蚁群算法

3.2.1原理

3.2.2算法模型及实现

3.2.3基本蚁群算法的优缺点

3.3改进的蚁群算法

3.3.1带精英策略的蚂蚁系统

3.3.2基于优化排序的蚂蚁系统

3.3.3蚁群系统

3.3.4最大-最小蚂蚁系统

3.4连续空间蚁群算法

3.4.1蚁群初始位置的确定及信息素的初始化

3.4.2蚂蚁移动规则

3.5蚁群算法的应用及意义

3.5.1蚁群算法的应用

3.5.2蚁群优化算法的意义

3.6本章小结

第4章基于蚁群算法的灰色预测模型

4.1模型参数优化

4.2基于蚁群算法的灰色GM(1，1)模型

4.3基于蚁群算法的舰船运动预报模型的建立

4.3.1建立函数变换型GM(1，1)预报模型

4.3.2建立基于蚁群算法的GM(ACGM)模型

4.4本章小结

第5章基于ACGM的舰船运动预报的仿真实例

5.1纵摇运动的数据处理

5.1.1初始化平移和压缩

5.1.2函数变换

5.1.3数据的累加生成

5.2建立ACGM(1，1)预报模型

5.2.1仿真1

5.2.2仿真2

5.2.3仿真3

5.2.4仿真4

5.3函数变换GM(1，1)，原始GM(1，1)，ACGM(1，1)模型预测效果的比较

5.4仿真结果分析

5.5本章小结

第6章数值仿真实验及分析

6.1预测从t=306到t=325的纵摇角度数据

6.2预测从t=414到t=433的纵摇角度数据

6.3预测从t=506到t=525的纵摇角度数据

6.4预测从t=1352到t=1372的纵摇角度数据

6.5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢