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。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

考虑船舶随机到港影响的集装箱港区实时交通仿真模型*

受船舶随机到港的驱动,集装箱港区实时交通量具有较强的随机性,如何合理预测对于港区集疏运系统规划具有重要意义。目前,对于集疏运交通量的预测多根据统计资料利用“不平衡系数法”进行推算,而新建港区往往不具备历史资料,在港区规划初期此方法的应用存在较大局限。本研究构建了考虑船舶随机到港影响的港区作业系统仿真模型,模拟从船舶到港到集装箱离港的整个作业过程,预测出港区的实时交通量,并对模型进行验证。最后以北方某新建国际集装箱枢纽港区为例,分析该港区船舶到港规律,应用仿真模型预测其在不同规模时的集疏运交通量,为分阶段建设该港区集疏运系统提供科学依据。     

基于神经网络的远海航道船舶流量预测系统构建

远海航道船舶流量受到多种因素的综合作用,具有一定的周期性,同时具有强烈的非线性,传统线性建模方法无法对远海航道船舶流量进行高精度的拟合,使得远海航道船舶流量预测偏差大。为了克服当前远海航道船舶流量预测系统存在的局限性,设计了基于神经网络的远海航道船舶流量预测系统。首先分析当前远海航道船舶流量预测系统的研究现状,指出各种系统存在的缺陷,然后利用神经网络的非线性建模性能设计了性能良好的远海航道船舶流量预测系统,最后对该远海航道船舶流量预测系统的有效性进行了测试。本文系统可以高精度实现远海航道船舶流量预测,远海航道船舶流量预测误差远远小于实际应用要求的临界要求,并与其他系统进行对比分析,本文远海航道船舶流量预测系统的预测效果明显更优。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

船舶通信网络非线性流量预测的数学建模分析

为了提高船舶通信网络非线性流量预测的精度,设计一个船舶通信网络非线性流量预测数学模型。首先对船舶通信网络数据采集,然后对采集的数据进行预处理,最后应用神经网络算法建立船舶通信网络非线性流量预测模型,以此完成了船舶通信网络非线性流量预测。实验对比结果表明,此次研究的船舶通信网络非线性流量预测数学模型有效提高了流量预测的精准度,并减少了船舶通信网络非线性流量预测时间,具备一定的实际应用意义。     

横浪作用下LNG船运动量小波神经网络预测模型

港口码头设计中主要考虑的问题之一是系泊船舶的运动量。首先开展了26.6万m³LNG船舶系泊运动物理模型试验,测量了船舶在试验条件下的六自由度运动量;同时,考虑船舶运动响应的主要影响因素,根据横浪作用下26.6万m³LNG船运动六分量的试验数据,构建了189组容量的训练集,基于小波分析和神经网络,研究确定三层隐含层神经元数分别为8、12和22,进而建立系泊LNG船舶运动量的预测模型。预测结果表明,小波神经网络模型具有输出多参数的算法优势,能够综合考虑系泊船非线性系统中不易量化的众多影响因素(波浪波高、周期、波长以及船舶自身特性等),给出相对精确的预测结果。小波神经网络模型在研究系泊船舶运动量预测方面具有良好适用性,可以有效地预测船舶的运动量,为实际工程设计提供参考。     

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。     

基于非线性组合模型的船舶无线网络流量预测

流量预测是船舶无线网络管理中的重要技术,传统组合方法只能描述船舶无线网络流量的部分变化规律,无法获得令人满意的船舶无线网络流量预测结果,为了全面反映船舶无线网络流量变化规律,提出基于非线性组合模型的船舶无线网络流量预测方法。首先分析单一预测方法和传统组合方法的局限性,然后采集船舶无线网络流量历史数据,采用RBF神经网络、BP神经网络、灰色算法分别对船舶无线网络流量进行预测,最后采用支持向量机要对它们的预测结果进行非线性组合,输出船舶无线网络流量最后预测结果,测试结果表明,非线性组合模型的船舶无线网络流量预测十分精确,船舶无线网络流量预测误差可以忽略不计,完全能够满足船舶无线网络管理要求,船舶无线网络流量预测结果显著优于传统组合方法,为解决复杂船舶无线网络流量预测问题提供了一种新的建模思路。     

BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型.仅通过学习样本数据即可以进行预测.介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了优化,给出了改进的三层BP神经网络算法.最后结合船舶与海洋工程的一些实际问题.探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实验表明,神经网络的预测精度在船舶与海洋工程是可以接受的.     

控制河段船舶违规航行检测方法

长江上游控制河段狭窄、弯曲,为确保航道畅通和行轮安全,行轮必须根据信号台的通行指挥信号,单向、有序通过。一旦行轮未遵守通行指挥信号违规航行,极易发生船舶碰撞甚至搁浅等海事事故。基于AIS、视频监控和通行指挥信号提出一种控制河段船舶违规航行的检测方法,通过消除船舶倒影和拖尾水纹等噪声干扰,对船舶目标进行检测,通过多个摄像头轮流采集图像,实现多视场下跟踪船舶航迹;最后结合控制河段的通行规则,对违规航行行为进行判别。结果表明,该方法可对控制河段中违规航行船舶进行准确判别。     

我国沿海关键水域设定分道的认识和探讨

我国沿海船舶活动频繁且通航密度大、航线设计交汇叠加、会遇局面频繁发生、船舶交通事故及险情多发,在这样的航路上,规划和设立分道是目前最有效的方式。文中就沿海关键水域设定分道通航进行了探讨,以期优化我国沿岸航行船舶航路,努力减少我国沿海的航行风险。     

广州港深水航道通过能力仿真分析

针对广州港深水航道工程实例,对船舶到达锚地、进入航道、在泊作业和船舶离港的作业全过程进行分析。在考虑潮汐、多支汊航道管制规则等影响因素的基础上,建立了复杂航道系统仿真模型;在预测运量和船型发展的基础上,基于服务水平分析不同航道拓宽方案的通过能力,为航道拓宽方案提供重要的决策支持依据。     

海上交通巡逻和救助船舶配置规模研究

为适应海上交通安全管理需要,确定巡逻和救助船舶配置规模,根据船舶使用水域和功能定位,将巡逻和救助船舶划分3种类型和7个系列,基于巡逻船雷达基本探测原理和巡逻路径,计算巡逻船有效监管距离和面积,基于海上交通应急到达时间要求和救助路径,计算救助船有效救助距离和面积,根据离岸不同距离水域面积和岸线长度,确定巡逻和救助船舶配置规模,提高巡逻和救助船舶布局规划的科学性。     

单向水道船舶进出港排序权重分析

为避免波浪涌入港内,沿岸港口皆构筑防波堤,堤口及通行水道不宜过宽,采用单向航行以缩小水道宽度是普遍现象。船舶进出港单向航行涉及进出顺序的安排。船舶自动识别系统(AIS)自2004年4月生效实施,提供了船舶动态、静态及航次相关信息数据,对VTS的交通组织服务而言,给予船舶通行管制莫大的帮助。为避免船舶在港口水域因为等候进出造成的拥挤招致碰撞,交管中心对于到达船舶及出港船舶必须作出适当的排序,既可解决通航安全,亦可达到通航效率。本研究就船载AIS所提供的信息中,与船舶通行安全有关的数据,以高雄港水域为例,运用AHP方法作成权重因素分析,其结果可作为运用于整合性船舶交通组织模型研究的参考。     

长江上游船舶大型化对典型污染排放的影响

长江上游船舶大型化趋势明显,评估其对典型污染排放的影响对航道建设规划具有重要意义.收集计算长江上游船舶吨位、船舶交通流、船舶燃油消耗及典型污染物排放等数据,分析了长江上游船舶大型化对典型污染物排放的综合影响.结果表明:1)2008—2019年长江上游三省一市船舶平均吨位从249 t增加到874 t,船舶流量显著减小,货...     

船舶操纵模拟技术在坝区河段航线选择中的应用

利用船舶操纵模拟技术模拟分析湘江典型代表船型在长沙枢纽坝区河段的航行情况,结合该河段的通航水流情况、可能的航行冲突区情况等通航环境特点,研究不同航路上下行规则下船舶的会遇情况。结果表明:上下游锚地之间的航段,无论采用各自靠左还是各自靠右的航路规则均可;在下游桥区,采用各自靠右的航路规则更优;两种航路规则下,口门区的交叉点数量相同,对于交通流的影响是一致的,需要在调度过程中避免船舶在潜在冲突区的交叉。     

交通流非线性回归模型的变点统计分析

以往的交通流状态辨识主要集中在交通流状态预辨识（即交通流预测）和实时辨识（即事件检测或交通流突变检测）上,在一定程度上忽略了对交通流变量规律的辨认。依据交通流理论,采用非线性回归模型变点的统计方法,对变点识别的关键问题进行了分析。结合淄博市中心路的实地数据对本方法进行了标定和检验,验证了方法的有效性和可行性。     

基于自动识别系统和门控递归装置的港口流量预测模型（英文）

Water transportation today has become increasingly busy because of economic globalization.In order to solve the problem of inaccurate port traffic flow prediction,this paper proposes an algorithm based on gated recurrent units(GRUs) and Markov residual correction to pass a fixed cross-section.To analyze the traffic flow of ships,the statistical method of ship traffic flow based on the automatic identification system(AIS) is introduced.And a model is put forward for predicting the ship flow.According to the basic principle of cyclic neural networks,the law of ship traffic flow in the channel is explored in the time series.Experiments have been performed using a large number of AIS data in the waters near Xiazhimen in Zhoushan,Ningbo,and the results show that the accuracy of the GRU-Markov algorithm is higher than that of other algorithms,proving the practicability and effectiveness of this method in ship flow prediction.