基于数据挖掘的舰船装备维修费估计

舰船装备维修费具有一定的规律性,同时也有一定的随机性,导致很难进行准确估计。为了提高舰船装备维修费精度,减少舰船装备维修估计偏差,设计了基于数据挖掘的舰船装备维修费估计模型。首先分析当前舰船装备维修费估计模型的各种局限性,然后收集舰船装备维修费历史数据,并对舰船装备维修费历史数据进行处理,得到更加有规律的舰船装备维修费数据,然后采用数据挖掘技术建立舰船装备维修费估计模型,并采用实际舰船装备维修费数据进行验证性实验。本文模型的舰船装备维修费估计精度高,舰船装备维修费的估计误差远小于当前其他舰船装备维修费估计模型,结果证明本文方法是一种精度高,误差小的舰船装备维修费估计模型。     

舰船装备维修费预测方法评价准则体系研究

针对舰船装备维修费预测效果评价仅采用单一的精度准则可能导致较大预测风险的缺陷,在分析现有预测评价准则研究现状的基础上,总结了现有的预测方法评价准则,并通过进一步结合对舰船装备维修费预测特点的分析,建立了适合于舰船装备维修费预测方法评价的准则体系。建立的准则体系有利于提高舰船装备维修费预测的可靠性,降低预测风险,为舰船装备全寿命费用预测和舰船装备维修工作提供可靠的基础。     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。     

基于支持向量机的舰船维修费用组合预测研究

在费用预测中，利用单一模型往往存在着信息不足的缺陷。为了提高舰船维修费用的预测精度和稳定性，采用支持向量机（SVM）回归算法，把几种单一预测模型结果作为输入，实际值作为输出，然后用足够多的预测案例训练学习机器，在各组合的模型预测结果与实际之间得到一种非线性映射关系，从而建立了非线性组合预测模型。最后，以某型舰船维修费用为例，对指数平滑法、灰色预测和参数法3种方法的预测结果进行仿真，结果表明此法较传统的单一模型预测法具有更高的预测精度。     

大数据分析下舰船维修数据挖掘算法优化分析

舰船维修数据具有重要的利用价值,当前算法无法有效对其变化特点进行准确挖掘,无法充分发挥舰船维修数据优势,为了提高舰船维修数据挖掘精度,设计了基于大数据分析下舰船维修数据挖掘算法。首先采用单一算法对舰船维修数据进行挖掘,并根据挖掘精度对各种算法进行评价。然后采用大数据分析技术中的包容性检验算法选择最佳的单一模型,并对它们结果进行组合,得到舰船维修数据挖掘结果。最后采用舰船维修价格的历史数据作为实验对象,分析本文方法的优越性。本文方法的舰船维修价格的预测精度要显著高于当前其他数据挖掘算法的精度,而且舰船维修价格预测可信度更优,降低了舰船维修价格预测误差。     

舰船装备维修费预测的数据预处理技术研究

在预测舰船装备维修费时,收集足够多的、准确的费用数据是关键。根据舰船装备维修费的影响因素,将舰船装备维修费预测的相关原始数据分为基础数据、使用数据、维修数据和宏观经济数据,确定了相应的数据收集渠道。分析了收集到的原始数据可能存在噪声、缺失或异常数据、冲击扰动数据、不一致数据的问题,针对性地提供了相应的数据预处理技术,经过处理后的数据可以为舰船装备维修费预测提供良好基础,进一步提高预测的有效性。     

基于RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果。为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比。实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点。这为舰船运动短期预测提供了一个新的思路和方法。     

混沌理论的舰船事故预测

舰船事故的预测具有十分重要的价值,针对舰船事故变化的混沌性,为了解决当前舰船事故预测模型存在的局限性,提出了基于混沌理论的舰船事故预测模型,首先对当前舰船事故预测的研究现状进行分析,指出引起舰船事故预测精度低的原因,然后引入混沌理论建立舰船事故预测的学习样本,并采用最小二乘支持向量机建立舰船事故预测模型,最后通过采用舰船事故预测数据对模型性能进行分析,本文模型的舰船事故预测精度超过95%,而且舰船事故预测误差很低。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

基于虚拟现实的舰船装备虚拟训练仿真系统研究

目前舰船专业技术训练中存在的诸如训练内容形式单一、缺乏交叉协同系统训练等系列问题,虚拟现实技术的发展为舰船装备虚拟训练提供了新的思路,本文首先分析了舰船人员专业技术训练存在的主要问题,然后结合虚拟现实的优势阐明了舰船虚拟仿真系统的优点。其次论述了舰船装备虚拟训练系统的预期目标,最后构建了基于虚拟现实的舰船装备虚拟训练仿真系统技术方案,为基于虚拟现实的舰船装备虚拟训练仿真系统的实现提供依据。     

神经网络算法的舰船间距快速预测

间距预测是保证舰船航行安全的重要技术,传统方法存在舰船间距预测不准确,精度低等不足,为了提高舰船间距预测精度,提出基于神经网络算法的舰船间距快速预测模型。首先分析当前舰船间距预测的研究现状,找到引起舰船间距预测不足的因素,然后引入神经网络算法对舰船间距变化特点进行深入挖掘,建立舰船间距快速预测模型,最后采用VC++6.0编程程序实现舰船间距快速预测仿真实验,结果表明,神经网络算法的舰船间距预测精度超过90%,远远高于其他舰船间距预测模型,而且舰船间距预测速度快,减少了舰船间距预测的时间,具有比较明显的优越性。     

舰船水上纵向运动非线性数学控制模型

为了提高舰船水上纵向运动的控制精度,提出一种舰船水上纵向运动的非线性数学控制模型。首先对舰船水上纵向运动非线性控制的研究现状进行分析,然后采用多种模型分别对舰船水上纵向运动非线性控制进行预测,得到预测结果并确定各种模型的权值,利用证据理论确定出最优权值,最后对这些模型舰船水上纵向运动非线性控制预测结果进行加权,得到舰船水上纵向运动非线性控制精度。测试结果表明,本文模型不仅克服了当前舰船水上纵向运动非线性数学控制模型的缺陷,提高了舰船水上纵向运动的控制精度,而且舰船水上纵向运动的控制误差小于其他舰船水上纵向运动非线性数学控制模型,可以满足舰船水上纵向运动控制要求。     

改进神经网络的舰船碰撞危险度估计

当前的一些方法在航行行为预测以及碰撞预警能力方面仍存在一些问题,因此提出一种改进神经网络的舰船碰撞危险度估计方法,实现了舰船碰撞危险度的高精度估计。首先基于改进神经网络构建改进神经网络预测模型预测舰船航行行为,以提供碰撞危险度估计的基础数据来源。对舰船碰撞风险中的安全距离模型进行制订,具体包括危险领域安全距离模型、安全会遇领域安全距离模型、舰船动界安全距离模型。通过昆兹模型构建舰船碰撞危险度计算模型,对舰船碰撞危险度进行估计。在某水域进行本文方法的性能测试,测试结果证明该方法的航行行为预测误差低于现有方法,而碰撞预警精度则高于现有方法,提供了舰船防碰撞领域的新研究方向。     

基于云模型的舰船仿真系统可靠性评价

在云环境下舰船仿真系统容易受到干扰和敌方攻击,导致系统的可靠性不好,提出一种基于云模型的舰船仿真系统可靠性评价方法,构造舰船仿真系统可靠性评估的约束指标体系。采用Boehm模型进行舰船仿真系统的可靠度和鲁棒性预测,将仿真系统的可靠性指标通过关联映射方法分配到云模型中。根据云模型中的属性数字特征表达舰船仿真系统的可度量粒度,实现舰船仿真系统的可靠性评价和故障重构。仿真结果表明,采用该方法进行舰仿真系统可靠性评价的置信度较高,系统的鲁棒性明显提高,提高了舰船系统的故障诊断和系统综合评价能力。     

基于激光技术的舰船类型分类研究

为了解决当前舰船类型分类精度低、效率差等缺陷,以改善舰船类型分类效果为目标,提出了基于激光技术的舰船类型分类模型。首先对当前舰船类型分类现状进行研究,找到引起舰船类型分类不理想的原因,然后通过激光技术采集舰船图像,提取一些关键特征,并采用主成分分析降低特征维数,然后采用K最近邻算法建立舰船类型分类模型,最后采用实现舰船类型分类仿真对比实验。相对于其他舰船类型分类模型,本文模型的舰船类型分类精度更高,同时减少了舰船类型分类时间,舰船类型分类整体效果更佳。     

退役舰船回收拆解单位资质评估

舰船退役是舰船装备生命周期的最后阶段,回收拆解是退役舰船处理的主要方式。通过分析退役舰船回收处理的主要方法、回收拆解基本流程和主要技术要求,研究了退役舰船回收拆解单位资质评估问题,采用模糊综合评判法建立了退役舰船回收拆解单位资质评估模型,通过专家组对某大型退役舰船回收拆解单位资质的评价,对模型进行了仿真,给出了仿真结果,验证了模型的可行性,为退役舰船回收处理问题研究提供了一定的借鉴。     

基于自适应遗传算法的总体舰船维修费分配

将舰船维修费按照装备维修计划结构分为九项,以该九项费用在舰船维修费总量中所占的比例为自变量,舰船维修费总体效益为因变量,提出通过回归分析方法,建立舰船维修费总体效益与各项费用所占比例之间的函数关系,进而建立总体舰船维修费的分配优化模型。     

基于灰色理论的舰船装备剩余寿命预测模型

为方便并精确地预测舰船装备剩余寿命，利用其服役期间的实测资料，采用灰色系统理论建立了舰船装备剩余寿命灰色预测模型。并利用建立的预测模型对舰船装备剩余寿命进行预测，利用实测资料对其模拟计算结果进行残差检验，结果表明预测模型简单、精度高、计算速度快、方便实用，对在役舰船装备维修决策有一定的参考价值。