共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
[目的]为应对国际燃油价格波动和降低温室气体排放的需求,提出一种基于BP神经网络的船舶气象航线决策系统,在考虑经济和环境因素的情况下提高船舶运营效率。[方法]首先,从航海日志和午报等提取船速、转速、平均吃水、吃水差、船上货物重量、风和海浪的影响等7种运营数据,通过BP神经网络方法预测船舶燃油消耗量;然后,提出基于改进Dijkstra算法的船舶气象航线决策系统,并利用该系统获得船舶最优航线。最后,对12 335 t多用途船营口至仁川的航线进行仿真分析。[结果]利用BP神经网络方法预测的燃油消耗量与实测值的拟合优度为79.97%,表明预测效果较好;通过决策系统获得了该船在15和17 kn航速下的气象航线。[结论]基于BP神经网络的船舶气象航线决策系统获得的船舶航线更准确、可靠,有助于减少船舶的燃油消耗量和CO2排放量,为船东和海事管理部门提供技术支持。 相似文献
4.
5.
为研究横向受荷桩的承载性状,基于BP神经网络对其承载力进行预测。选取桩径、桩入土深度、荷载的偏心距、土的不排水抗剪强度作为神经网络的输入,得出黏土中横向受荷桩承载力的BP神经网络预测模型,发现训练BP神经网络时,桩承载力的拟合值与实测值的相对误差平均值为4.54%;检验BP神经网络时,桩承载力的预测值与实测值的相对误差平均值为5.39%。结果表明,建立的基于BP神经网络的黏土中横向受荷桩承载力预测模型是可行的。 相似文献
6.
7.
基础沉降的组合预测法 总被引:3,自引:1,他引:2
通过对基础沉降的发生过程、特点及灰色Verhulst模型特点的分析,提出可以根据施工过程中的观测资料,运用基于BP神经网络的组合预测模型对不同时刻的基础沉降进行预测;首先分别利用灰色Verhulst模型和BP神经网络模型对基础沉降进行估算,然后利用人工神经网络中的BP神经网络对采用前2种模型所得的结果进行组合预测。计算实例表明,使用该组合预测方法所得到的预测结果比单独使用灰色Verhulst模型或BP神经网络模型所得到的预测结果的总体误差要小,因而该方法是可行的、有效的;可以运用到实际工程中。 相似文献
8.
船舶维修备件的及时保障是船舶设备正常生产作业的保证,备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析,构建一种基于灰色模型的多层前馈(BP)神经网络模型,并采用遗传算法(GA)进行优化。首先对船舶设备备件需求影响因素进行分析,通过灰色模型确定备件需求的关键指标,并将结果作为BP神经网络的输入层,从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现,基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明,使用GA优化可以提高灰色BP神经网络的预测精度,为船舶维修备件需求预测提供了一种新思路。 相似文献
9.