声明
第一章 绪论
1.1 研究工作的背景与意义
1.2国内外研究历史与现状
1.3 本文的主要贡献与创新
1.4 本论文的结构安排
第二章 预测基础理论简介
2.1 机器学习理论
2.2 自回归移动平均ARMA模型
2.3 支持向量机SVM模型
2.4 人工神经网络ANN模型
2.5 航天器在轨遥测信号特征与预测精度评价标准
2.6 本章小结
第三章 支持向量回归机智能算法组合预测模型研究
3.1 支持向量回归机SVR与优化点
3.2 遗传算法组合预测模型
3.3 粒子群优化算法组合预测模型
3.4 智能算法组合预测模型性能比较
3.5 本章小结
第四章 循环神经网络预测模型与改进研究
4.1 深度学习与深度神经网络
4.2 循环神经网络
4.3 长短期记忆网络
4.4 深度学习优化技术
4.5 本章小结
第五章 航天器在轨状态异变趋势预测实例研究
5.1 支持向量回归预测算法及智能算法优化实例分析
5.2 循环神经网络预测算法及优化结构实例分析
5.3 航天器在轨状态异变趋势预测分析工具软件运行效果
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献