基于云计算的船舶数据并行调度算法研究

传统船舶数据并行调度算法,存在数据调度速度较慢、并行识别准确率较低等弊端。为有效解决上述问题,设计基于云计算的船舶数据并行调度算法。通过云计算架构的搭建、SBS数据云体系的搭建,完成船舶云计算环境的搭建。通过船舶数据感知调度、多目标船舶数据的并行调度、算法性能分析,完成基于云计算船舶数据并行调度算法设计。模拟算法工作环境,设计对比实验结果表明,新型算法与传统算法相比,大幅提升数据调度速度、并行识别准确率等属性。     

H-C:基于H-Struct的频繁闭合项集挖掘算法

提出了一种基于H-struct结构的频繁闭合项集挖掘算法H-C。该算法利用了H-struct动态链接结构的特点,快速且高效地挖掘闭合的频繁项集,大大减少了冗余关联规则的产生。试验表明该算法对大型数据库的处理效率和扩展性优于传统的频繁项集生成算法。     

船舶港口国检查的滞留原因分析

为了提高航运公司船舶管理水平,提升船舶安全航行系数,有效降低海事事故风险,并顺利通过港口国监督检查,对近年船舶港口国检查(Port State Control,PSC)滞留信息进行了研究,进而总结出滞留船舶缺陷的内在关联性或规律性信息。为此,从滞留缺陷及影响因素数据入手,运用关联规则挖掘技术分别对不同类型、不同船龄船舶的PSC检查滞留数据进行研究,通过频繁项集和关联规则的方式来挖掘船舶滞留缺陷的潜在规律。研究结果表明,运用关联规则挖掘技术对船舶滞留缺陷进行研究,能够准确、直观地总结出影响船舶滞留因素间的关联性。     

数据挖掘的船舶网络病毒入侵检测研究

船舶中网络数据较多,传统病毒入侵检测方法不能有效对正常数据与异常数据分类,从而导致网络病毒入侵检测率与误检率较低,基于这一问题,将数据挖掘算法应用到船舶网络病毒入侵检测中。对网络数据采集,采用数据挖掘技术中的聚类分析算法将数据集合中对象划分成若干个类,聚类后形成多个数据集,在此基础上,确认离群点,划分为正常类与异常数据类,采用Apriori算法挖掘离散点中的频繁项集,寻找到病毒入侵中出现的频繁异常数据集,实现船舶网络病毒入侵检测。实验将检测率与误检率作为入侵检测指标,结果表明,此次研究的方法检测率高,并有效降低了误检率,证明所研究的检测方法的有效性。     

基于云计算的船舶大数据并行调度算法研究

港口对大量船舶进行同时调度时,需要计算非常庞大的数据,传统船舶调度算法很难在短时间内完成计算工作,为此提出基于云计算的船舶大数据并行调度算法研究。建立云计算体系与大数据信息的并行调度框架,完成船舶大数据并行调度计算;采用SQL语言对并行调度核心步骤进行编写,将云计算结果导入并行调度算法体系中,实现船舶大数据并行调度计算。实验数据表明,设计的并行调度算法能较传统计算效率提高37.1%,并短时间内完成所需的计算任务,提高船舶的调度效率。     

多船并行航行轨迹精准控制算法研究

传航行轨迹精准控制算法在多船并行情况下,由于计算中没有区分航线航向,造成航行精准度较低,为此提出多船并行航行轨迹精准控制算法。构建船舶轨迹精准控制模型,根据船舶航行目的生成船舶运行轨迹,以实际航行轨迹为基础计算船舶定位航线,分别计算船舶直线航行控制轨迹以及曲线航行控制轨迹,完成多船并行航行轨迹精准控制算法设计。设计仿真实验,通过模拟使用环境,将提出算法与传统算法进行比较,实验结果表明提出方法计算的航行精准度更高,证明研究方法具备有效性。     

动态执行机构下船舶制冷控制动态储能算法

由于当前船舶制冷控制多采用PID算法,计算过程复杂,制冷耗时间长,无法满足船舶制冷的实际要求,提出基于动态执行机构的船舶制冷动态储能控制算法,该算法应用储能、制冷、控制3个阶段并行原理完成工作,通过计算控制偏差值完成船舶制冷系统的控制计算,计算过程简单。由实验结果可知,相同工况下,本文制冷系统工作效率远高于传统PID算法的舶制冷控制,降低了制冷成本,有效降低工作人员劳动强度,对于船舶制冷行业发展有一定的指导意义。     

依据轨迹数据的船舶交通密度计算方法

研究基于轨迹数据的船舶交通密度计算方法,利用精准的船舶交通密度计算结果提升海上交通规划水平。利用AIS设备采集船舶航行轨迹数据,利用均匀参数化方法对所采集的航行轨迹数据重采样处理。将通过重采样处理获取的航行轨迹数据,划分为静止轨迹数据点以及移动轨迹数据点,依据数据点间的欧式距离,以及船舶航行方向、航行速度的相似性,选取基于密度的DBSCAN聚类算法完成轨迹数据聚类。依据船舶航行轨迹数据聚类结果,选取多维密度方法,通过更新船舶经过总数、船舶经过总时间等参数,计算船舶交通密度。实验结果表明,该方法可以依据船舶航行轨迹数据,精准计算船舶交通密度,为海上交通规划提供有效支撑。     

基于数据挖掘的船舶航迹点生成算法

随着船舶航运事业的发展,对船舶航线生成控制精度要求也越来越高,传统船舶航迹生成方法受航行环境影响较大,船舶航迹经常发生偏移等状况,难以保障船舶航行的精准和安全度,不能满足当前船舶航运事业的发展的要求。基于以上背景对船舶航迹点生成算法进行深入研究,结合数据挖掘法对船舶航行稳定性、安全性和经济性的角度出对船舶海量数据进行挖掘,对船舶轨迹点生成方法进行创新和优化。以便精准对船舶航迹点进行规划和决策,增强船舶航行过程中的抗干扰能力,提高船舶航行效率和安全,优化船舶通航避免船舶航迹点错误等问题。为了检验该方法的可行性,对船舶航迹点生成控制算法进行测试,通过对测试结果进行分析证实,基于数据挖掘的船舶航迹点生成算法可更加精准有效的对船舶航行位置进行控制。由此证实,该方法具有较高的仿真精度,适用于船舶航迹点生成控制算法的仿真研究工作。     

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明：该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。