共查询到19条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
5.
6.
7.
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。 相似文献
8.
支持向量机在船舶电力推进系统故障诊断中的应用 总被引:2,自引:0,他引:2
针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。 相似文献
9.
10.
基于支持向量机的船舶柴油机故障诊断 总被引:2,自引:0,他引:2
介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高. 相似文献
11.
12.
《舰船科学技术》2019,(18)
入侵行为严重威胁船舶网络安全,对其入侵检测进行研究具有重要的意义,针对当前船舶网络入侵检测存在精度低、错误率高等不足,设计了一种支持向量机算法的船舶网络入侵检测模型。首先分析船舶网络入侵原理,并且提取船舶网络入侵检测特征,然后采用支持向量机算法根据入侵检测特征建立船舶网络入侵检测分类器,并引入和声搜索算法对船舶网络入侵检测分类器的参数进行优化,最后以某一个船舶网络入侵检测数据为例进行了验证性测试。支持向量机算法克服了当前船舶网络入侵检测模型的局限性,入侵检测精度超过90%,减少了入侵检测错误,检测效果要优于当前其他船舶网络入侵检测模型,是一种有效的船舶网络入侵检测模型。 相似文献
13.
船舶的动态性能具有大惯性、大时滞、非线性等特点,经采用基于结构风险最小化原则的神经网络--支持向量机,能充分发挥其可以任意逼近非线性模型的良好特性来对船舶进行辨识,并以此作为广义预测控制算法中的预测模型,加以相应的预测控制算法达到航向保持的目的.仿真结果表明:支持向量机学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于支持向量机的广义预测控制算法具有很好的控制性能. 相似文献
14.
主尺度要素数学模型的建立是一项重要有益的工作,提出了用支持向量机对船舶主尺度要素数学建模,与传统数理统计回归分析方法和RBF神经网络模型相比,其精度比较高。实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用的和可靠的。 相似文献
15.
16.
《江苏科技大学学报(社会科学版)》2010,(6)
根据入侵检测中协议分析技术与聚类支持向量机各自不同的检测特点,将协议分析技术融合到聚类支持向量机中,提出了一种新的入侵检测方法.通过协议分析不但可以快速地检测出入侵行为,而且可以有效减少支持向量机的训练时间,同时结合聚类算法进一步减少支持向量机的训练时间和预测时间,从而提高聚类支持向量机的检测效率.使用KDD99中的数据集进行仿真,试验结果表明,算法具有可行性、有效性,能有效提高检测率,降低误报率. 相似文献
17.
船舶通信网络承载着船舶通信、导航、内部系统控制等关键功能,通信网络的质量直接决定了船舶的工作状态,由于船舶通信受到海上恶劣的气象条件影响,网络的时延、数据丢包等问题一直是行业内的研究热点。支持向量机是一种较为先进的数据整理和分类技术,本文结合最小二乘法与支持向量机技术,建立了船舶通信网络的丢包率预计模型,结合NS2软件进行了通信网络的丢包率预测,并获得了与实际测量数据较为接近的预测效果。 相似文献
18.
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%。 相似文献
19.
《舰船科学技术》2020,(2)
为了获得更高的船舶集中空调系统能耗预测结果,提出了基于最小二乘支持向量机的船舶集中空调系统能耗预测方法。首先分析船舶集中空调系统能耗预测研究进展,并设计了船舶集中空调系统能耗预测原理,然后采集船舶集中空调系统能耗历史数据,并采用最小二乘支持向量机对船舶集中空调系统能耗历史数据进行学习,获得船舶集中空调系统能耗预测模型。最后在相同环境下,与其他船舶集中空调系统能耗预测方法进行了对比测试。结果发现,最小二乘支持向量机的船舶集中空调系统能耗预测精度超过90%,误差控制在10%以下,可以满足船舶集中空调系统能耗控制的实际应用要求,预测误差远小于其他船舶集中空调系统能耗预测方法,体现了本文方法的优越性。 相似文献