船舶与海洋大数据算法模型资源共享系统

为了解决船舶与海洋大数据算法模型资源共享问题,本文构建船舶与海洋大数据算法模型资源共享系统,系统具备研制、优化、集成船舶行业和海洋领域专用算法模型资源能力,以源代码或二进制库方式对船舶行业和海洋领域专用算法模型资源进行集成,通过Restful API接口方式为外部授权应用系统提供模型算法计算服务。性能测试结果表明,船舶与海洋大数据算法模型资源共享系统具备多用户并发算法模型资源共享服务能力和性能可扩展性。     

船舶导航网络路由算法的实现

为了解决传统船舶导航网络路由算法数据丢包率高、执行时间长的难题,提出船舶导航网络路由算法研究。根据对现有算法存在难题的分析,搭建船舶导航网络路由算法架构,以此为基础,将获取的海上船舶密度作为权重值,构造带有权重值的有向图,并对最优转发路径进行选择。以得到的结果为基础,采用局部最优方法对最优转发路径计算区域进行优化。以优化结果为依据,对网络路由节点分配模型进行构建,实现了船舶导航网络路由算法的设计。通过实验得到,与传统船舶导航网络路由算法相比较,提出的船舶导航网络路由算法极大的降低了数据丢包率,缩短了执行时间,充分说明提出的船舶导航网络路由算法具备更好的性能。     

基于数据驱动的船舶航线实时优化

为了给不同海况下的船舶安全航行提供保障,设计基于数据驱动的船舶航线实时优化方法。利用数据驱动方法采集船舶历史航线、海域风速、风向、波高等海况数据,选取K-means聚类算法聚类海况数据,构建海况知识库。依据海况知识库内的船舶航线信息与航线转向点信息,划分船舶航线为不同航段。依据船舶航线的航段划分结果,以航行总时间最短以及总油耗最低为目标函数,设置船舶航速约束与转向点位置约束作为约束条件,构建航线实时优化模型。选取蚁群算法求解所构建的优化模型,输出航线实时优化结果。结果表明,该方法可以实时优化航线,降低船舶的航行时间与主机油耗,适用于不同海况的船舶航行。     

改进蚁群算法的舰船避碰辅助决策系统可靠性研究

传统舰船避碰辅助决策系统所采用的蚁群算法在对船舶路径碰撞信息素计算过程中,存在收敛速度慢、碰撞信息素浓度低的问题,导致输出结果的可靠性较低,因此提出改进蚁群算法的舰船避碰辅助决策系统可靠性设计方法。通过对船舶避碰路径模型的构建与分析,结合传统蚁群算法在避碰决策计算上的缺失数据,对蚁群算法进行改进,并将改进的蚁群算法引入到避碰辅助决策系统进行仿真计算,通过对决策数据的分析得到舰船避碰辅助决策可靠性数据。通过设计仿真实验对得到的可靠性数据进行验证,证明了本文方法所得数据的可靠性。     

改进灰色模型的船舶航行轨迹自动预测研究

为实现更加精准、自动化的船舶航行轨迹预测,利用改进灰色模型,提出一种基于改进灰色模型的船舶航行轨迹自动预测方法。在船舶航行中的AIS数据中对船舶航行轨迹数据进行提取,其中AIS数据具体包括船舶航程数据、船舶动态数据以及船舶动态数据。通过数据估计算法插补缺失数据,分为2个步骤,第1步是对插补数据进行识别,第2步是对其进行插补。通过改进灰色模型对船舶航行轨迹进行自动预测,主要使用基于缓冲算子改进的灰色模型构建船舶航行轨迹自动预测模型。选取某船舶服务项目中包含的船舶AIS数据作为实验数据,对设计方法进行实例测试。测试结果表明,设计方法的数据提取质量较高、预测模型的误差较小,具有广阔的市场应用前景。     

基于云计算的船舶大数据并行调度算法研究

港口对大量船舶进行同时调度时,需要计算非常庞大的数据,传统船舶调度算法很难在短时间内完成计算工作,为此提出基于云计算的船舶大数据并行调度算法研究。建立云计算体系与大数据信息的并行调度框架,完成船舶大数据并行调度计算;采用SQL语言对并行调度核心步骤进行编写,将云计算结果导入并行调度算法体系中,实现船舶大数据并行调度计算。实验数据表明,设计的并行调度算法能较传统计算效率提高37.1%,并短时间内完成所需的计算任务,提高船舶的调度效率。     

数据挖掘技术在船舶航迹拟合中的应用

近年来,针对船舶航迹拟合的研究日益增加。但原有船舶航迹拟合方法在使用中,常出现拟合结果与实际航迹相差较大的问题。因而采用数据挖掘技术展开优化,设计基于数据挖掘技术的船舶航迹拟合方法。在船舶中引用AIS系统,获取船舶行驶数据。采用数据挖掘技术中的模式挖掘算法对采集到的数据进行预处理。使用上述处理后的数据,构建船舶航迹拟合模型。至此,基于数据挖掘技术的船舶航迹拟合方法设计完成。构建实例测试分析环节,将此方法拟合结果与原有方法拟合结果和实际航迹进行对比,获取航迹相似度。通过对比可知,此方法相似度高于原有方法。由此可知,基于数据挖掘技术的船舶航迹拟合方法拟合效果更佳。     

大数据环境下基于协同过滤算法的船舶信息推荐模型研究

传统的船舶信息推荐模型的MAE值偏高,因此提出大数据环境下基于协同过滤算法的船舶信息推荐模型研究。利用船舶信息采集装置传输船舶信息,并利用HDFS文件处理传输的信息生成船舶信息数据集。在大数据环境下挖掘用户需求,计算相邻用户相似度,基于协同过滤算法的规则,选取最近邻居聚类用户,完成信息的随机分组。同时协同过滤出大量船舶信息,并对剩余信息进行深层次的信息匹配预测评分,从高到低生成信息推荐列表,完成了推荐模型的研究。实验结果表明,设计的模型在实验中的平均MAE值比传统模型降低了0.135,说明设计的模型推荐精度更高。     

A/D转换器在船舶大规模数据库优化管理中的应用

船舶大规模数据库优化管理中,由于对数据处理不充足,导致优化后数据查询精度较低。因此,提出A/D转换器的船舶大规模数据库优化管理方法。以A/D转换器为基础,进行船舶大规模数据库优化管理的设计。首先,基于A/D转换器对于船舶数据进行处理,删除冗余数据。其次,通过转换的数据构建船舶数据库优化模型,寻找最佳的数据库优化管理方案。最后,对存储结构以及SQL语句算法进行调整,实现船舶大规模数据库优化管理。仿真实验结果表明:通过与2种传统的船舶数据库优化管理方法对比,文中设计优化的结果更具优越性。在相同的实验条件下,文中设计数据库优化方法使用后数据查询响应延迟时间较低。     

船舶智能化网络资源中数据封包传送数学建模分析

传统的数据封包传送数学模型在传送船舶智能化网络数据资源时,传播速率很慢,平均延迟高,吞吐性能差。为解决上述问题,设计一种新的数据封包传送数学模型,利用BM匹配算法匹配船舶网络数据资源格式,根据船舶智能化网络的IP地址、网络端口号、网络资源传输协议、网络通信数据以及其他网络资源信息数据建立封包传送数学模型。为验证模型效果,与传统模型进行实验对比,结果表明,设计的数学模型能够有效提高传播速率,降低平均延迟,加强吞吐性能。