内河船舶溢油风险的灰色模糊综合评判

船舶溢油风险的评估是一个典型的信息不完全的复杂多因素综合决策问题,适合于运用灰色模糊系统理论进行分析处理.本文在阐述指标体系构建原则和分析内河船舶与海船差异的基础上,建立了内河船舶溢油风险评价体系; 通过征求专家意见,运用AHP方法确定了单因子的权重,结合灰度理论的相关知识,建立了内河船舶溢油风险评价模型并做了实例计算,为下一步的溢油风险评估系统打下基础.     

基于贝叶斯网络的船舶溢油风险评价研究

船舶溢油事故已成为导致海洋污染重要的因素之一,采用科学方法对船舶溢油风险进行有效的预测与评估具有重要意义.将船舶溢油风险分为操作性溢油风险与事故性溢油风险两类,通过分析历史数据与借助专家经 验识别风险因素,构建了船舶溢油风险的贝叶斯网络模型和条件概率表CPT,并利用HUGIN软件进行了概率推理和风险因素灵敏度分析,定量评估了船舶溢油风险,找出了影响最突出的风险因素.将贝叶斯网络模型应用于我国沿海港口水域,得出两类船舶溢油风险概率分别为0.013 8和0.000 3,指出了加燃油、装卸油品、人员疏忽和船舶密度等风险因素对船舶溢油风险影响最突出.     

基于灰色理论的船舶溢油风险评估方法

船舶溢油事故不仅会造成经济损失,还会对海洋环境造成严重破坏。进行船舶溢油风险评估和预测,防止船舶溢油事故的发生具有重要意义。大量的统计数据表明,船舶溢油事故的发生与船舶因素、环境因素和人为因素等密切相关。因此,进行船舶溢油事故风险评估时必须要综合考虑多种因素的占比和概率。本文采用灰色理论技术建立船舶溢油风险评估模型,结合海域实测数据进行模型的修正,实现了海域内船舶溢油风险的评估和预测。     

船舶溢油风险评估方法研究

随着海上运输业的发展,海上石油运输在石油运输中占据越来越重要的地位。蓬勃发展的海上运输导致了船舶溢油事故频发,严重危害了生态环境和经济。本文在研究风险评估原理和计算公式的基础上,分析了不同评估方法的特点。采用Oilmap模型对溢油事故进行建模,推导溢油事故发生概率。研究溢油风险评价原则,利用模糊综合评价模型对溢油风险进行评价。     

模糊综合评价法在船舶溢油事故定级中的应用

对船舶溢油事故定级很有必要.通过模糊数学的方法,建立船舶溢油事故定级的评判模型,为事故定级评判提供了依据.通过实例,给出了具体的评价过程,证明该方法对于船舶溢油事故定级有借鉴作用,但此方法尚处于研究阶段.     

船舶溢油事故态势演化风险排序

为降低溢油事故对近岸水域造成的影响,采用科学方法识别溢油事故发生后系统可能存在的各种风险和演化态势,并通过风险排序找出船舶溢油事故应急处置的重点。分析船舶溢油事故发生后人、机、环境、管理系统中影响溢油事故态势发展的关键因素,识别其中可能存在的风险。采用改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法,考虑风险指标的模糊性和不确定性,将模糊集与TOPSIS法相结合,建立船舶溢油事故态势演化风险排序模型。实例验证排序模型的实用性,为提高溢油应急处置效率,降低溢油事故后果提供理论依据。     

船舶溢油事故等级的模糊综合评价

本文引用模糊数学的方法,对船舶溢油事故等级进行综合评判,建立了模糊评价综合模型,为船舶溢油事故等级评判提供了依据。在此基础上,通过实例,给出了具体的评价过程。实践证明:该方法对于船舶溢油事故等级评价有其合理性和可靠性。     

基于支持向量机模型的船舶油污损失估算

将支持向量机引入了船舶油污损失赔偿额的估算中,通过从历史船舶溢油事故案例中选取了十组样本数,以污染损失赔偿额与影响因子集作为训练样本,建立了船舶溢油事故污染损失额估算的支持向量机模型.并对支持向量机模型进行仿真训练学习,并将训练好的神经网络应用于对相关案例的估算.研究结果表明应用支持向量机方法进行溢油损失估算结果客观、可靠,为船舶油污索赔和环境保护提供了有力的理论依据.     

港口船舶溢油环境风险评价方法研究

在港口装卸作业以及船舶航行过程中,由于各种原因可能引发溢油事故,对周边海域环境造成损害。港口船舶溢油环境风险评价对船舶溢油的防治起到了积极的作用,但目前还有很多不完善的地方。通过对相关资料的分析研究,提出改进措施和建议,以期进一步提高港口船舶溢油环境风险评价工作的水平。     

船舶溢油GIS系统避险设计

为及时掌握船舶海上碰撞等事故导致的溢油事故、溢油分布范围，及时调度船舶救助，运用空间地理信息平台设计溢油规避风险系统。利用溢油扩散预估模型对溢油扩散海域面进行预估和分析，实现对船舶溢油空间分布实时分析，然后运用溢油避险模型模拟溢油事故扩散海域面积并计算，搜取事故中心海域附近各船舶信息并显示在信息系统。模拟结果证明，该研究分析系统可搜取事故影响海域及其附近的船舶及溢油事故油膜扩散空间信息分布评判，并实现溢油事故扩散情形空间平台实时、全方位可监视可预警。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

Black-box modeling of ship manoeuvring motion based on feed-forward neural network with Chebyshev orthogonal basis function

Based on polynomial interpolation and approximation theory, a novel feed-forward neural network, the feed-forward neural network with Chebyshev orthogonal basis function, is proposed for black-box modeling of ship manoeuvring motion. The neural model adopts a three-layer structure, in which the hidden layer neurons are activated by a group of Chebyshev orthogonal polynomial activation functions and the other two layers’ neurons use identity mapping as activation functions. Weight update formulas are derived by employing the standard back-propagation (BP) training method. With the simulated 15º/15º zigzag test data as input and calculated values of the hydrodynamic forces and moment as output, the feed-forward neural network with Chebyshev orthogonal basis function and the BP neural network are applied to identify the nonlinear functions in the nonlinear hydrodynamic model of ship manoeuvring motion. With the simulated 20º/20º zigzag test data and 35º turning test data as input, the hydrodynamic forces and moment are predicted by using the identified nonlinear functions. Comparison between the calculated and predicted hydrodynamic forces and moment shows that the feed-forward neural network with Chebyshev orthogonal basis function is superior to the BP neural network in identifying the nonlinear functions of the nonlinear hydrodynamic model of ship manoeuvring motion and is an effective method to conduct the black-box modeling of ship manoeuvring motion.     

基于BP神经网络的二手船价格评估研究

二手船价格是买卖二手船决策过程中非常关键的因素。为了准确地估算二手船价格,利用BP神经网络的高度非线性运算能力以及通过学习样本数据即可对事物复杂内在规律进行精确计算的特点,将BP神经网络应用于二手船价格的估算。利用从克拉克松获取的2009年到2012年120个灵便型干散货船交易数据,建立了基于船龄、船舶载重吨(DWT)、新造船价格和一年期期租费率的BP神经网络模型,网络输出结果与二手船实际交易价格的相对误差率在10%以内。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

人的失误模型在船舶溢油事故应急中的应用分析

船舶交通事故问题的预测一直是业内研究人员十分重视的研究课题。分别采用回归预测法、时间序列预测法、灰色理论预测法和贝叶斯统计预测法等不同方法,结合国内某港引航站近十多年来船舶引航总量和事故的实际情况,进行了比较分析和对未来情况予以预测。着重就贝叶斯方法在港口船舶引航风险预测中的运用进行了探讨。结论证明贝叶斯估计方法得到的结果具有良好的预测效果。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

基于MySQL和BP神经网络的船舶焊接专家库软件研发

为提高船舶焊接试验过程中的工艺实施效率,研发一种基于MySQL和反向传播(Back Propagation, BP)神经网络的船舶焊接专家库软件。该软件由专家数据库、报表生成器、热输入值预测机、人机交互界面、通信接口组成,基于MySQL开发焊接专家数据库,基于BP神经网络设计热输入值预测机,具备自动坡口图生成、自动焊接工艺规范(Welding Procedure Specification, WPS)生成、自动专家经验数据存取等自动化功能,具备智能热输入值预测等智能功能。实船焊接试验结果表明,该软件可满足实船焊接试验需求,快速存取专家经验数据,提高焊接试验过程效率。     

基于BP神经网络的客滚船营运风险评估

随着客滚船运输行业的兴起,客滚船的营运安全日益受到各方面的关注。文中利用BP神经网络评价方法,由人、船、环境、管理四要素所构成的客滚船营运风险进行评估,最终确定某客滚船具体航次的营运风险。经过验证,基于BP神经网络客滚船营运风险评估方法与实际相符,为客滚船风险评估提供一条新的途径。