Mathematical approach for fleet planning under complicated circumstances

In order to facilitate the scientific management of large-sized shipping companies, fleet planning under complicated circumstances has been studied. Based on multiple influencing factors such as the techno-economic status of ships, the investment capacity of company, the possible purchase of new ships, the buying/selling of second-hand vessels and the chartering/renting of ships, a mixed-integer programming model for fleet planning has been established. A large-sized shipping company is utilized to make an empirical study, and Benders decom- position algorithm is employed to test the applicability of the proposed model. The result shows that the model is capable for multi-route, multi-ship and large-scaled fleet planning and thus helpful to support the decision making of large-sized shipping companies.     

铁路轮渡技术现状与研究动态

铁路轮渡运输是铁路在水上延伸运输的一种传统模式.回顾这种运输模式发展的历史进程,介绍了铁路轮渡工程中一些关键技术的现状,分析了现实需求与现有技术的差异.在此基础上,提出需要进一步深入研究的技术问题,指出铁路轮渡发展的关键是研究设计出更加方便、灵活且具有通用性的船岸连接设备,未来发展的趋势是在全球范围内形成水陆一体化综合运输系统.     

大件运输船舶发展现状与动态

简要回顾了大件运输船的发展历程,介绍了大件运输市场的发展现状,归纳了大件运输船的特点和装运过程中可能存在的问题,探讨了大件运输的研究发展方向,为深入研究大件运输设计规范和安全评价标准提供依据和参考。     

基于物流场原理的北煤南运水运网络优化

根据物流场运行的基本原理,将我国“北煤南运”产地、港口、铁路、水运等要素与物流源、物流汇、物流节点、物流通道各要素相结合,依据物流场模型,建立我国“北煤南运”运输网络模型,对现有运输网络进行优化,实现运输利益最大化。结合实际中的“北煤南运”案例进行分析,验证模型的适用性,并对我国现有的煤炭水运网络进行分析。     

沿海原油运输调查与船型预测

本文介绍了八十年代后期我国沿海原油运输系统概况。对与沿海原油运输有关的原油产、供、销情况,陆上输油能力、港口设施、航道条件、自然条件及修造船能力等环节的现状和发展趋势,做了详细的调查分析。以此为依据,提出今后在技术和经济性上适于承担国内沿海原油运输的船型预测。     

模糊聚类分析在公路主枢纽城市分类中的应用

公路主枢纽城市的分类是一种聚类问题.文中介绍了模糊聚类分析方法,并将其应用于公路主枢纽城市分类上.依据2004年<城市统计年鉴>的相关数据,对全国44个主要城市进行了分类,得出3个层次.从结果分析可以看出,模糊聚类分析能有效地解决公路主枢纽城市的分类问题.     

基于交互式赋权与证据推理的船舶主机优选

[目的]在节能减排背景下,船舶主机优选是值得深入研究的问题,也是一个复杂的多属性决策问题。[方法]首先,分析船舶主机选型的影响因素,提出主机优选指标体系;然后,采用熵权法确定客观权重,采用偏差熵模型确定主观权重,并设计一种交互式赋权法以确定船舶主机优选指标的综合权重,从而实现客观权重与主观权重的统一;最后,通过证据推理法实现信息融合,对备选方案进行排序和优选。[结果]以某航道管理局船舶建造项目的主机优选问题为例,验证了该方法的有效性与正确性,并总结了指标区间选择对评价结果效用值的影响规律。[结论]研究结果表明,交互式赋权与证据推理相结合的方法可以为船舶主机选型设计提供理论支持。     

基于滑动窗口动态输入LSTM网络的铁路运输系统碳排放量预测方法

铁路运输的低碳发展对交通系统实现“双碳”战略目标有着重要意义。针对当前铁路运输碳排放预测研究较少、预测精度不高的问题,考虑碳排放时间序列数据中历史信息和当前信息间的相关性,引入滑动窗口,结合长短期记忆（LSTM）网络,构建铁路运输碳排放量预测模型。采用灰色关联分析法计算铁路运输碳排放量各影响因素的关联度值,筛选铁路运输碳排放量的关键影响因素,使用高关联性数据作为预测模型的输入变量,提高预测精度;应用LSTM网络为基础预测模型,通过引入滑动窗口改进神经网络的数据输入; 考虑未来减排政策变化对铁路运输碳排放量的影响,融合基于动态政策的情景分析,构建铁路碳排放预测模型,并利用多项式误差拟合方法进行误差修正,提高预测结果准确性。以1980—2019年铁路运输碳排放相关数据为例,从现有文献中总结出17个铁路碳排放影响因素,利用灰色关联分析法从中筛选出6个关键因素,通过滑动窗口对筛选出的数据进行子序列分割,测试不同长度窗口下的预测精度,选择最优窗口参数,建立改进LSTM模型进行预测,并将预测结果与原LSTM、BPNN和RNN模型进行对比,结果表明:改进LSTM模型将相对误差平均值降低至0.392%,而原LSTM模型为3.862%,BPNN模型为1.535%,RNN模型为0.760%,即改进LSTM模型具有更高预测准确性;根据历史趋势和发展政策设置基准情景和3种未来减排情景,利用改进LSTM模型预测未来10年铁路运输碳排放量,在4种模拟情景下,铁路运输2030年的碳排放量分别为9.83×106 t、8.91×106 t、8.62×106 t和8.09×106 t。综上所述,引入滑动窗口的改进LSTM模型能进一步提高铁路运输碳排放量预测准确性,融合动态政策的情景分析可为未来铁路运输低碳发展提供可行路径。      

轮船的缘起与邮轮历史

<正>人类在18世纪发明蒸汽机之后,就不断探索将其用作为船舶动力,以便改变过去仅靠风帆或人力推动船舶前进的方式。正如蒸汽机本身的改进、实用化、商用化经历了长时间的努力一样,以机械为驱动力的蒸汽机船的研制也经历了许多人长时间的努力。由于早期,人们很自然地想到在船的两侧各安装一个拨水桨轮作为船舶行进的推动装置,这种具有明轮特征、用机械驱动的船就在汉语中被称之为轮船。后来又在对不同类型轮船的称呼中将“轮船”两个字简化称为一个“轮”字,例如货运轮船简化为货轮、客运轮船简化为客轮。