欧盟欲推行航运业碳排放配额制度，引发业界强烈反对

近期,欧洲海洋排放报告员、欧洲议会绿党议员Jutta Paulus起草了一份法规提案,呼吁欧盟从2021年1月开始对使用欧盟港口的船舶实行碳排放配额相关的规定。这项法规将迫使船舶在碳排放限制和交易体系下运营,提高其碳强度表现,并为欧洲海洋脱碳基金作出贡献。     

基于NeuralProphet-LSTM组合模型的港口货物吞吐量预测

为进一步提高货物吞吐量预测准确性,提出基于NeuralProphet时间序列模型与长短期记忆(LSTM)神经网络的组合预测模型。首先利用NeuralProphet模型对港口货物吞吐量数据进行训练得到预测值并计算残差序列,然后对残差数据建立LSTM神经网络模型进行预报修正,重构得到最终的预测值。以上海港、厦门港的月度货物吞吐量数据为样本展开试验,结果表明,该模型能够有效地解决数据异常波动造成的预测结果误差大、预测效果不稳定等问题;相比于传统单一模型与LSTM-支持向量机(SVM)、Bi-LSTM等组合模型,NeuralProphet-LSTM模型预测精度更高,可帮助港航企业及时调整规划决策与经营策略。     

基于RNN-LSTM的船舶运动轨迹预测

针对船舶轨迹预测精确性与实时性的需求，从数据层面探究影响船舶航行轨迹的特征，通过相关性分析确定网络的输入，提出结合循环神经网络-长短期记忆（Recurrent Neural Networks - Long Short Term Memory，RNN-LSTM）的船舶航行轨迹预测模型。通过船舶Z形试验相关数据与实船实际航行数据对网络模型进行训练，并对未来船舶航行轨迹进行预测。对未来轨迹的预测值与实际值进行对比。结果表明，模型预测误差小，验证该方案在船舶轨迹预测中的实用性和有效性。     

基于乘积ARIMA模型的中日航线CCFI趋势预测

构建乘积ARIMA模型对中日航线CCFI时间序列的波动规律和趋势进行了拟合及预测，并进一步预测了中日航线受季节性、周期性等波动影响的运价数据，并将CCFI实际观测值与乘积ARIMA模型预测值进行了对照，检验结果显示该模型能够较准确地拟合CCFI时间序列的波动规律和发展趋势。     

世界石油海运现状分析与预测

对近年石油资源数据进行整理、对比分析.在此基础上,分别对石油资源的现状、石油的生产与消耗、原油船的供应与需求、船价与造价(二手船船价与油船造价)做出分析,对未来能源尤其是石油资源做出预测.     

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。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

DNV连续三年获“最佳验证机构”称号

DNV在《环境金融》和《碳金融》举办的第13届年度环境市场调查中连续第三年获得"最佳验证机构"称号。《环境金融》和《碳金融》是环境市场领域全球领先的出版物。DNV由于在京都议定书(清洁发展机制和联合履行)以及欧盟碳排放交易体系相关项目中的出色表现而获得了"最佳验证机构"的称号。"我们很高兴连续三年被评为     

港口企业碳排放核查案例分析

为完善港口企业碳排放核查体系,支持碳排放配额交易,以《陆上交通运输企业温室气体排放核算方法与报告指南(试行)》为核算依据,参考其他行业碳排放核查方法与程序,从基本情况、核算范围、核算方法、核算数据、质量保证和文件存档几个方面对排控企业进行碳排放核查,并提出有针对性的节能减排措施,以期完善港口企业碳排放核查。     

一种改进的ARIMA预测模型在船舶系统中的应用

为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。     

1500～2000TEU集装箱船船价走势分析

近年来世界集装箱航运市场正处于蓬勃发展的阶段 ,集装箱船价及期租费率呈现波动趋势 ,本文以1500～2000TEU集装箱船为例 ,根据1995年～2003年5年船价和期租费率的统计数据 ,分析目前的市场需求情况 ,以及对未来几年的市场预测 ,以期给船东一些建议。1现状分析 (1995年 -2003年     

波罗的海干散货运价指数波动性研究

为把握国际干散货市场运价指数的波动特征,规避航运经营风险,建立基于广义的自回归条件异方差(GARCH)的运价指数波动模型.选取四种船型的波罗的海干散货运价指数BCI、BPI、BHI、BSI作为研究的样本数据.利用EVIEWS软件,通过分析样本数据的基本统计特征和ARCH效应检验等,对四种船型分别建立了GARCH(1,1)模型.实例验证表明模型能很好地反映波罗的海干散货运价指数波动的敏感性和持续性规律,从而可为航运经营提供决策支持.     

球头铣刀切削加工表面形貌仿真技术研究

针对五轴机床加工过程中刀具接触点连续变化导致工件表面形貌预测不精确的问题,提出了一种基于切削刃运动轨迹的球头铣削加工表面形貌预测模型.考虑刀具几何形状、表面倾斜角以及切削工况,建立球头铣刀切削刃运动轨迹公式;并使用Visual C++语言开发表面形貌仿真软件;通过切削加工验证试验验证模型预测精度.试验数据与仿真结果对比表明:表面形貌仿真预测结果与试验数据具有很好的一致性;因此该模型可用于五轴加工过程中球头铣刀加工表面形貌的精准预测.     

结合经济指标修正的GA-BP模型港口货物吞吐量预测

为有效预测港口货物吞吐量,基于遗传算法(Genetic Algorithm,GA)优化的BP神经网络模型(GA-BP模型),结合经济指标影响,对港口货物吞吐量进行预测研究。选取2012―2020年上海港货物吞吐量月度数据,运用GA-BP模型得到准预测值,通过主成分分析法对经济指标降维,得出经济综合影响指数,并对准预测结果进行修正。试验证明,考虑经济指标影响的GA-BP模型比传统时间序列模型和BP神经网络模型的预测效果更优。     

基于基桩振动参数和投影寻踪法的基桩承载力预测方法*

基于投影寻踪法对基桩承载力进行了预测.以基桩承载力为因变量,以锤击力最大值、传递给基桩的最大能量值、基桩顶最大动位移、Zv最大值、基桩入土深度、桩径为自变量,得出了基桩承载力的投影寻踪预测模型.研究发现,通过32组实测数据训练后,投影寻踪模型的基桩承载力预测值与高应变动测法实测值的相对误差为±0.071 83％;该模型对6组验证数据的预测值与静载试验实测值、高应变动测法实测值的相对误差分别为±7.352 97％和±6.0111 21％.结果表明,该投影寻踪法预测模型是精确的和可靠的,投影寻踪法是一种较为优越的方法,值得在基桩承载力的预测中推广应用.     

基于混合预测模型的船舶海水冷却系统状态参数预测

为了提高船舶海水冷却系统状态参数的预测精度,提出了自回归滑动平均线性子模型和BP神经网络非线性子模型相结合的海水冷却系统状态参数混合预测模型。介绍混合预测模型的建模过程以及预测流程,选取"育鲲轮"海水冷却系统5天状态参数作为训练样本输入到混合预测模型,对第6天状态参数进行预测,将混合预测模型的预测值分别与自回归滑动平均预测模型预测值、实际观测值对比并运用平均绝对百分比误差法进行验证,结果表明搭建的混合预测模型可以提高海水冷却系统状态参数的预测精度,具有良好的预测能力。     

基于ES-Markov模型的港口集装箱季度吞吐量分析与预测

为有助于对港口规划和资源分配进行科学管理,以深圳港2012—2017年共24个季度的集装箱吞吐量数据为例,对各季度数据进行加权灰色关联分析,通过各季度吞吐量的影响度排序得出其发展规律;将三次指数平滑法与马尔科夫模型相组合,并应用于港口集装箱季度吞吐量预测中。结果表明:与传统的三次指数平滑模型、灰色预测模型相比,ES-Markov模型使相对误差降至5%以下,预测精度大幅提高,因此,该模型可很好地适应港口集装箱吞吐量季节性波动的发展变化规律。未来可将该组合模型应用于港口吞吐量预测中,为港口发展决策提供理论依据。     

基于BP神经网络的冲积河床桥墩局部冲刷深度预测模型

桥墩局部冲刷深度是确定桥墩基础埋深的重要依据,过大的冲刷是桥梁水毁的主要原因之一.利用神经网络和一些实测数据建立BP神经网络模型,进行冲刷深度的预测,用收集到的桥墩局部冲刷数据样本训练并测试BP神经网络模型.测试结果表明由BP神经网络模型得出的桥墩局部冲刷深度预测值与实测值比较吻合,说明该神经网络模型预测桥墩局部冲刷深度是可行的、有效的.     

6082-T6铝合金焊接接头软化模型的研究

6082-T6铝合金在焊接热循环的作用下不可避免地出现焊接接头软化.文中基于Al-Mg-Si系铝合金焊接热过程的析出相演变规律,建立了铝合金焊接接头软化模型.同时采用热模拟试验机模拟焊接接头微区热循环过程,测量微区的动态屈服强度,验证软化模型的准确性.研究结果表明,6082-T6铝合金随着热循环峰值温度的增加,材料的屈服强度降低,软化模型预测结果与试验结果非常吻合,平均误差率为8.5%.     

ARIMA模型在GDP预测中的应用

本文采用ARIMA模型,对《武汉统计年鉴2006》提供的武汉市GDP的数据进行分析。结果显示,ARIMA(8,1,1)模型提供了比较准确的预测结果,可用于未来值的预测。