地理信息技术和神经网络算法在滑行艇设计中的应用研究

摘要

该文从地理信息系统的知识表达和数据收集出发,对影响滑行艇阻力的各个因素进行了逐一的分析、描述,揭示了它们之间的关系和备因素相互之间的联系.在此基础上,又引入了RBF神经网络算法弥补了地理信息系统在数据处理方面的不足.比较详细地介绍了RBF网络的设计和训练方法,运用k—值聚类方法确定中心点和正交最小二乘法确定隐层节点数的混合学习方法,自组织学习选取RBF中心点,RBF中心通过自组织学习确定其位置,而输出层的线性权值则通过有监督的学习规则计算.RBF神经网络算法结构简单,训练快捷,收敛速度快.在多变量、大样本输入的条件下,网络的收敛速度和逼近精度有了很大的提高.该文系统地研究了应用地理信息系统和RBF神经网络算法建立滑行艇数值图谱的方法和过程,建立了DTMB系列62滑行艇阻力估算数值图谱,达到了预期的效果,并具有很好的工程精度和实用价值.

目录

文摘

英文文摘

1绪论

1.1绪言

1.2船舶阻力估算和船型设计方法

1.3 GIS地理信息系统发展概况

1.4人工神经网络发展概述

1.5本文研究内容

2应用地理信息系统(GIS)的知识建立滑行艇阻力模型

2.1地理信息的组成

2.2地理信息系统的应用模式

2.3滑行艇阻力的建模方法研究

2.4数值建模原理与方法

2.5小结

3 RBF神经网络算法

3.1 RBF网络的结构

3.2 RBF神经网络的功能

3.3 RBF网络中心点的选取

3.4小结

4 RBF网络算法和权值训练法

4.1 RBF网络的基本算法

4.2 RBF网络的K-均值聚类算法

4.3RBF网络隐层到输出层权值的学习

4.4小结

5 RBF网络建立滑行艇阻力数值图谱

5.1滑行艇的阻力

5.2滑行艇参数对阻力的影响

5.3基于GIS和RBF网络的阻力数值图谱

5.4小结

6全文总结

致谢

参考文献

附录1攻读学位期间发表学术论文目录