基于支持向量机的船舶机舱火灾温度快速预测

以船舶机舱为研究对象,采用大涡模拟方法,以FDS软件为平台,计算了不同火灾功率、风机启动时间、风机流速和补风口面积条件下的火场温度变化过程。以FDS的数值模拟数据为样本建立了船舶机舱火灾温度的支持向量机计算模型,为提高模型预测的精确度,利用遗传算法对参数进行寻优。实验表明:应用本文模型预测结果与FDS计算结果基本一致,优于SVM模型以及BP神经网络的预测结果,提出一种快速预测火场温度的工程计算方法。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

面向普速车站的智能到发作业系统设计与实现

目前,全路有普速车站2 000多个,这些车站只有很少一部分建设了旅客服务集成管理平台（简称:旅服平台）,建设速度缓慢。主要原因是由于普速车站列车运行和客运组织情况复杂,现有旅服平台到发管理作业无法满足现有车站客运作业需求。因此,研究设计采用基于进站咽喉智能视频分析的车次识别与运输调度管理系统（TDMS）临站压轨数据相结合的旅服智能到发作业系统,对列车进站、停稳等状态进行预测判断,并在此基础上依托c#编程语言对到发管理作业进行新的算法设计与实现。通过对现场到发作业改进前后与列车到发作业时间预测结果对比分析,采用基于进站咽喉智能视频分析的车次识别与TDMS临站压轨数据相结合的智能到发作业系统时间预测准确性远高于现有旅服平台只接收TDMS方式的到发时间预测。     

钱塘江上游散货船标准船型研究

散货船标准化,有利于发挥水运基础设施的作用,保障船舶航行安全。文中研究了钱塘江上游的航道现状、散货船的主尺度系列及推进效率。研究结果表明,散货船的双机双桨船型比单机单桨船型更节能。     

基于三点模型的柴油机热工参数预测

准确预测热工参数劣化趋势是对柴油机实施预测维修的前提。已有预测技术均视不同时段信息所具有的建模价值相等,忽略了近期信息比远期信息更能反映设备当前运行态势这一客观事实,导致预测模型难以准确描述柴油机热工参数的真实变化规律。针对该问题,提出一种基于三点模型的柴油机热工参数预测方法,并采用新陈代谢法同步更新建模数据,以提高建模数据的利用效率及预测精度。与灰色系统GM(1,1)模型预测精度的对比结果表明,三点模型能够有效处理不同时段信息在反映设备运行态势能力上的差异,得到更为准确的预测结果。     

长江航道承载力概念研究

以国家号召发展长江航道为背景,在生态航道建设的基础上,首次提出以满足生态效益需求为核心,兼顾经济社会发展、长江水资源综合利用等多种目标,实现长江航道建设可持续发展的长江航道承载力概念。借鉴资源承载力理论体系,运用系统理论、协同理论等理论对航道承载力系统的结构关系进行分析,并提出航道承载力的定义、内涵、特征及航道承载力发展机制。     

4350标准箱集装箱船局部噪声控制初探

船舶噪声不仅影响船员的身体健康,而且影响船舶性能。国际海事组织发布《船上噪声等级规则》,该规则对船舶噪声提出更高、更严的要求。本文以4 350标准箱高速集装箱船为研究对象,对不符合噪声要求的区域提出改进措施,通过实船测量验证该船噪声等级已符合新规范要求。其改进措施可供其他船舶参考。     

中小型拖船主尺度及排水量的确定

根据拖船的设计特点,提出了一种确定主尺度和排水量的方法。首先介绍拖船的设计特点,并在此基础上分析影响主尺度及排水量确定的主机功率、主尺度、空船重量、稳性等因素,其次对船长、吃水、型深、船宽等进行计算并确定,最后估算各部分重量及排水量,以及校核性能,最终确定初步设计。此方法经实船应用,各项技术指标均符合设计要求。     

自回归求和移动平均乘积季节模型在西安地区出生缺陷预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016年的出生缺陷发生率。结果西安市出生缺陷的发生率具有一定的趋势及季节性,建立了ARIMA(0,0,1)(0,1,1)12乘积季节模型,利用2015年9月至12月拟合值与实际出生缺陷发生率比较,绝对误差的平均9.5,相对误差的平均0.084,提示ARIMA(0,0,1)(0,1,1)12乘积季节模型具有较佳的预测能力。预测2016年西安市出生缺陷发生率与2015年接近,总体略有抬升,但峰值下降。结论 ARIMA(0,0,1)(0,1,1)12乘积季节模型可用于西安市出生缺陷发生率的预测。