港口集疏运网络流量预测模型

通过对集疏运网络流量的经济相关性、分布非均质性、动态性等特征的分析.指出港口集疏运网络流量既受腹地货源量、港口竞争等经济因素的影响,又受通道费用、网络容量等物流因素的影响.建立了港口集疏运网络流量的双因素两阶段预测模型:第一阶段考虑宏观经济发展趋势、腹地GDP、外贸进出口总额、港口建设投资额等经济因素,利用统计回归方法建立腹地货源量与港口吞吐量的预测模型;第二阶段考虑通道费用、网络流量等物流因素,在给定货源量与港口吞吐量的基础上,建立基于用户流量——费用均衡的网络流量分配模型.     

基于计算机视觉的船舶操纵受扰力预测模型

常规船舶操纵受扰力预测模型在高海况预测数据幅值较大的情况下,预测过程引入的误差较大,因此设计一种基于计算机视觉的船舶操纵受扰力预测模型。首先分析船舶水上受力,得到不同坐标系下船舶自由度向量,在一定假设条件下得到船舶受力方程,了解船舶的受力情况后对基于计算机视觉的船舶航行图像的质量进行处理,填充连通图像区域,完成图像形态学处理,提取出与船舶操纵受扰力相关的图像兴趣区域,结合船舶自身的特性,完成船舶操纵受扰力的预测。仿真实验的结果表明,设计的预测模型在高海况不同船舶航行速度下,预测误差均小于常规模型,验证了设计模型的准确度。     

基于广义回归神经网络的船舶交通量预测模型

船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点.在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构.不同类型船舶受各类因素影响的程度不同,根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据,按船舶种类将船舶交通量分为六类,利用GRNN神经网络分别进行预测.预测结果表明GRNN神经网络具有很强的非线性拟合能力,有效解决了天津港船舶交通量预测中的小样本问题,提高了整个预测系统的精度与稳定性.     

船舶网络流量的异常状态检测模型

船舶网络流量异常状态直接描述船舶网络工作情况,当前船舶网络流量异状检测过程中存在误差大、计算时间复杂度高等缺陷,为了获得更好的船舶网络流量异常状态检测结果,设计了基于复合核函数极限学习机的船舶网络流量异常状态检测模型。首先分析当前船舶网络流量异常状态检测研究进展,阐述船舶网络流量异常状态检测的基本思路,然后采集船舶网络流量异常状态检测数据,并采用复合核函数极限学习机建立船舶网络流量异常状态检测模型,最后进行仿真实验,实验结果表明,复合核函数极限学习机可以全面、客观描述船舶网络流量异常状态,检测精度高、时间短,相对于其他船舶网络流量异常状态模型,综合性能更优,可以有效保障船舶网络正常、安全工作。     

常微分方程在船舶结构稳定性分析中的应用

船舶结构的稳定性决定着船舶使用过程中的安全系数,因此在船舶结构设计过程中需要通过结构力学特性,对船舶结构进行非线性有限元计算,主要目的在于对船舶结构材料应力与应变系数进行计算。通过近年来的研究发现,采用常微分方程能够使应力系数与应变系数的计算更为精准。本文对常微分方程在结构材料应力系数与应变系数计算流程进行描述,并对描述数据进行实验对比,从而证明常微分方程在船舶结构稳定性计算方面优于传统的有限元方程。     

遗传神经网络的船舶运动受扰力预测模型

船舶运动受扰力预测,是实现对船舶摇摆控制的关键步骤。为达到有效控制船舶摇摆的目的,基于遗传神经网络,完成船舶运动受扰建模预报和预测方法选择。模拟船舶航行状态,设计仿真对比实验结果表明,基于遗传神经网络的船舶受扰力预测模型,有效提升横向与纵向运动受扰力预测准确性,完成有效控制船舶摇摆的目的。     

基于模糊模式识别的船舶市场预测模型

船舶市场发展趋势一直是船厂、船东关注的焦点。为提高对船舶市场发展趋势预测的准确程度及合理性，借助回归方程建立模型，模拟船舶市场系统的波动；利用模糊识别，解决船东心理因素和经济波动奇异点给新船订单预测带来的问题。模糊模式识别有效地改善了回归方程对于系统关键因素——新船订单的模拟，提高了船舶市场系统模型的合理性和精度。     

基于高阶常微分方程的复杂水域船舶航迹精准预测研究

船舶航迹预测是其避障、导航的基础,精准的航迹预测可提升船舶在复杂水域航行的安全性,为此研究基于高阶常微分方程的复杂水域船舶航迹精准预测方法。该方法利用AIS系统采集船舶航行行为动态观测样本后,构建该船舶航行行为动态观测样本的高阶常微分方程预测模型,使用四阶龙格-库塔方法求解该预测模型,得到船舶航行动态观测样本预测值后,利用最小二乘法对其进行拟合处理,得到船舶航迹曲线。实验结果表明,该方法可有效采集船舶在复杂水域航行时的航速、船首向等行为动态观测样本,预测船舶航迹点和拟合后的航迹曲线均与其实际数值吻合,预测精度较高。     

基于支持向量机的架空直立式码头船舶撞击力预测模型*

针对现有结构监测方法尚无法对码头的不规范靠泊进行实时监测的问题。提出了一种基于支持向量机的预测模型用于对架空直立式码头船舶撞击力的实时监测。结合架空直立式码头的结构特点,基于广义结构刚度对码头桩基的重要性进行评估,对监测桩基进行优化选择。以重庆新田港码头一期第10结构段为概化研究对象,按1:20的比尺构建码头物理模型,模拟不规范靠泊作用。将采集的优化桩基的应变数据用预测模型进行训练与验证。该预测模型对于撞击力的作用位置识别精度为0.98,对于撞击力的作用强度预测的平均相对误差为0.234%。     

海量船舶移动网络流量数据分析处理

船舶移动网络迅猛发展,逐渐成为航运领域的重要组成部分,同时,带来海量移动网络数据,如何承载船舶移动网络海量数据分析业务是航运领域研究的重点。本文研究网络流量数据分析系统和数据预处理技术,提出了模糊聚类算法和朴素贝叶斯分类算法。聚类算法用于分析用户和流量特征,分类算法用于对海量数据进行分类。     

大数据环境下的船舶中间产品装配工时预测模型

基于大数据环境提出考虑误差修正的两阶段船舶中间产品装配工时预测模型。从船舶设计软件中提取中间产品装配工艺信息,建立反向传播神经网络(Back Propagation Neural Network, BPNN)模型,实现装配工时的初步预测。采集对装配工时预测可能造成影响的外界因素大数据,建立基于极端梯度提升(Extreme Gradient Boosting, XGBoost)算法的装配工时预测误差修正模型。两阶段预测结果相加得到装配工时预测值。实例验证该预测模型的有效性,可为船舶企业完善装配工时管理提供切实可行的解决思路。     

基于不平衡模型的航道船舶流量分析

对广州港出海航道流量实测得到基础数据,对流量进行峰值搜索、加权、分类统计和不平衡分析,建立流量时间不平衡和流量双向不平衡模型,从时间和空间方面反映了流量规律,反映出航道本身及管理状况。     

船舶运动的拓扑预测模型分析

航空母舰是一种主要以舰载机为作战武器的舰艇,因此,对其运动预报的研究具有战略意义。由于实际航行情况复杂多变,以往获得的运动数据繁琐复杂,具有很强的随机性和非线性,导致不能有效利用这些数据进行舰船航行的预报。灰色系统理论在研究非线性系统上具有独特的优势。本文将应用灰色系统理论进行舰船运动预报的研究,从多个角度对纵摇角度进行深入预测。     

基于影响因素分析的船舶交通流量预测多元线性回归模型

随着经济的发展,通过长江水域的船舶数量日益增多,通过对长江镇江段的船舶流量进行调研以及对影响船舶交通流量的因素进行分析,能够更为精确地建立船舶流量预测模型,为预测提供科学依据。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

船舶动力控制SoC系统的应用研究

近年来,海洋运输业飞速发展,船舶的质量和吨位快速增加,对船舶动力系统的控制提出了更高的要求。船舶动力控制SoC系统逐渐成为人们关注的重点和研究方向。本文研究以预测模型为基础的控制策略,提出基于LS-SVM算法的动力控制SoC系统。     

基于灰色小波神经网络的船舶交通流预测研究

船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。