共查询到10条相似文献,搜索用时 18 毫秒
1.
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. 相似文献
2.
3.
4.
以保障船舶通信系统联络通畅为目的,提出基于大数据挖掘的船舶通信系统关键设备状态分析方法。该方法使用北向接口和通信关键设备直连相结合方式,采集船舶通信系统关键设备运行信息后,利用大数据挖掘技术中的自组织映射神经网络,挖掘船舶通信系统关键设备状态信息随时间变化规律,得到时间变化序列。以关键设备状态信息时间变化序列为基础,使用大数据挖掘技术中区间集聚类分析方法,经过划分关键设备状态信息时间变化序列区间集、计算区间集子序列相似度和子序列异常值评分等步骤,分析得到船舶通信系统关键设备运行时的异常状态。实验结果表明:该方法采集船舶通信系统关键设备状态信息能力较好,可有效分析关键设备当前运行状态,应用效果较为显著。 相似文献
5.
《舰船科学技术》2021,(10)
为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。 相似文献
6.
传统的数据挖掘模型会受周围环境因素的影响,无法精准挖掘海上船舶运行数据,为此构建基于物联网环境的海上AIS大数据挖掘模型。在物联网平台将船舶运行轨迹、停泊轨迹和位置信息存入数据库中进行AIS数据预处理,为减小环境因素的波动,设置船舶AIS数据传输条件,利用聚类算法进行过滤处理,实现海上AIS大数据挖掘模型的构建。在实际测试中为考察2种数据挖掘模型的效果,分别在人为干扰环境下和同频干扰的环境下进行对比实验,由对比结果可知,所提方法可以精准的挖掘海上船舶AIS数据。 相似文献
7.
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。 相似文献
8.
9.