船舶港口建筑工程造价的预测模型构建

针对当前船舶港口建筑工程造价预测误差、准确度低的缺陷,设计了基于贝叶斯回归算法的船舶港口建筑工程造价预测模型。首先对当前船舶港口建筑工程造价预测现状进行分析,分析船舶港口建筑工程造价预测误差大的原因,然后根据船舶港口建筑工程造价数据,引入贝叶斯回归算法对船舶港口建筑工程造价的变化态势进行拟合和预测,最后通过船舶港口建筑工程造价预测的仿真实验分析预测效果,本文模型很好把握了船舶港口建筑工程造价变化规律,船舶港口建筑工程造价预测精度超过95%,船舶港口建筑工程造价预测的训练和测试时间短,船舶港口建筑工程造价结果要明显好于其他模型,为船舶港口建筑工程造价预测提供了一种新的研究工具。     

基于组合预测模型的世界海运周转量预测分析

世界海运周转量是衡量未来航运市场运力需求的直接体现,在确定航运市场和船舶市场的发展趋势方面具有关键作用。针对世界海运周转量受到众多复杂因素影响的现实,基于传统的单个预测方法,分别采用时间序列、灰色系统、神经网络方法对世界海运周转量进行预测,然后再对单个预测方法进行加权组合,建立组合预测模型进行海运周转量的预测,预测结果表明:组合预测模型能够得到更加可靠的结果。     

基于多船舶技术下的交通客流调度数学模型优化

在多船舶下进行交通客流调度是一个非线性的多目标规划问题,采用传统的线性调度模型会出现稳态误差。提出一种基于拟线性双曲反演控制的多船舶技术下的交通客流调度数学模型,构建多船舶技术下的交通客流调度的控制约束参量模型,采用Riccati拟线性双曲微分方程进行交通客流调度的数学建模,在渐进稳定约束泛函下进行调度模型的最优解向量分析,采用稳态补偿和自适应反演积分调控方法进行全局稳定性收敛控制,实现交通客流调度优化。仿真实验表明,采用该模型进行多船舶技术下的交通客流调度,能提高客流运输量,调度模型的全局稳定性较好,全过程自适应能力较强。     

船舶交通特征统计分析中的大数据挖掘应用

首先阐述船舶交通流特征主要分为微观特征和宏观特征;然后运用大数据进行船舶交通流特征统计的具体过程,对其实现过程进行推理;最后通过青岛港的实际采集到的数据进行实例分析,说明本文算法在船舶交通特征统计方面的优越性。     

基于萤火虫算法的船舶交通数据并行调度方法

针对传统的舰船交通数据并行调度方法效率低的情况,提出基于萤火虫算法的船舶交通数据并行调度方法。以舰船调度时间为出发点,确定调度目标,并引入不确定因子,对舰船调度中的不确定因素进行处理,在此基础上,生成船舶交通数据并行调度规则,使所有船舶按照该规则进行调度,并考虑到存在大船和小船的情况,设置时间权参数,保证大船与小船同时到岗时,大船优先被调度,以此实现舰船交通数据并行调度。实验对比结果表明,此次设计的基于萤火虫算法的船舶交通数据并行调度方法比传统的调度方法效率高,具有一定的实际应用意义。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

基于广义回归神经网络的船舶交通量预测模型

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.     

利用混沌理论进行船舶交通事故预测

在全球化日益繁荣的今天,我国的海外贸易量也面临着爆发式的增长,而有限的航道资源常常导致船舶的航行距离过近,航运碰撞事故常常发生。为了实现对船舶航行的高效预测和控制,急需一种先进的技术对船舶的交通航行进行智能化预测。本文通过采用先进的混沌理论,对船舶的时空距离和运动趋势进行预测,从而实现对船舶航行的定量监控,通过对船舶信息进行高速的采样分析,控制人员能够及时全面地把握好船舶的运动轨迹,从而避免各种可能发生的事故。     

基于大数据分析的船舶交通特征统计分析

为了降低现阶段船舶交通特征统计分析数据的离散度,提高统计分析质量,提出了基于大数据分析的船舶交通特征统计分析方法。根据数据挖掘结果进行数据初步处理,获取船舶交通数据极值以及样本差和方差,根据当前船舶交通数据流进行数据卡方拟合和分布拟合,获取拟合曲线和曲线函数,根据拟合曲线的实际特征值确定当船舶交通流理论特征值,并在理论特征值中添加边界条件,利用边界矩阵获取实际特征数据集合,实现船舶交通特征统计。仿真实验数据结果表明,应用设计方法统计的船舶交通特征值,极差数据降低了29%,标准差降低了35%,可以有效降低数据离散。     

基于自动识别系统大数据的船舶施工轨迹识别与预测

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。     

基于大数据的船舶网络数据资源调度模型构建

船舶数据设备种类在不断增加,目前船舶数据调度方法在实际应用存在调度量低且精准度差的情况。因此对基于大数据的船舶网络数据资源调度模型进行构建,通过对模型特点分析后,进行大数据船舶网络数据资源调度模型构建,模型通过对大数据相似度进行计算后对数据中干扰进行过滤,对过滤后数据进行子任务量分配,从而对整体数据定义分类,最终实现分类后的大数据调度。通过仿真实验,对船舶网络大数据资源调度模型与传统船舶网络数据调度方法的数据调度总量以及数据调度精准度进行对比,证明模型构建的有效性。     

基于神经网络的内河航道船舶交通流量预测方法研究

我国的内河航运对我国经济、社会发展做出了重要的贡献,随着内河航运的进一步发展,船舶交通流量迅速增加,导致水上交通事故频繁发生。因此,建立有效的内河航道船舶交通管理机制,对航道进行合理的规划和管理具有重要意义。本文首先介绍了神经网络算法的原理与结构,在此基础上建立了一种内河航道船舶交通流量的预测方法,该交通流量预测方法可以有效的改善内河航运的效率和安全性,提高内河航道的综合监管能力。     

模糊控制在船舶交通流量预测中的应用研究

首先阐述模糊预测法原理,然后在此基础上根据实际获取交通流信息的不完整、不全面等问题,提出利用非固定值的模糊权重进行船舶交通流量预测,最后通过对不同模型的验证结果对比来说明本文的预测模型稳定性好、精度高,模糊控制在船舶交通流预测中有效。     

船舶航道交通流量预测系统构建研究

船舶航道交通流量日益增加,给船舶航道管理带来挑战,为了提高船舶航道交通流量预测准确性,得到好的管理船舶航道,构建一种船舶航道交通流量预测系统。首先研究船舶航道交通流量预测系统的现状,描述船舶航道交通流量预测系统的工作原理,然后通过对船舶航道交通流量历史数据进行学习,构建船舶航道交通流量预测模型,并将该模型嵌入到船舶航道交通流量预测系统中,最后进行了船舶航道交通流量仿真预测测试,该系统的船舶航道交通流量预测精度不仅可以满足船舶航道交通管理的实际要求,而且船舶航道交通流量预测性能要优于其他系统,表明本文系统是一种可靠、精度高的船舶航道交通流量预测系统。     

大数据环境下基于协同过滤算法的船舶信息推荐模型研究

传统的船舶信息推荐模型的MAE值偏高,因此提出大数据环境下基于协同过滤算法的船舶信息推荐模型研究。利用船舶信息采集装置传输船舶信息,并利用HDFS文件处理传输的信息生成船舶信息数据集。在大数据环境下挖掘用户需求,计算相邻用户相似度,基于协同过滤算法的规则,选取最近邻居聚类用户,完成信息的随机分组。同时协同过滤出大量船舶信息,并对剩余信息进行深层次的信息匹配预测评分,从高到低生成信息推荐列表,完成了推荐模型的研究。实验结果表明,设计的模型在实验中的平均MAE值比传统模型降低了0.135,说明设计的模型推荐精度更高。     

基于多船舶技术下的交通运输客流调度数学模型设计与实现

船舶的交通运输客流调度是一个系统工程。针对多船舶下客流调度难度较大的问题,提出一种基于多船舶技术下的交通运输客流调度数学模型,采用非线性Levenberg-Marquardt方程构建交通运输客流调度的参量输入输出模型,进行多船舶运输下的客流调度的约束参量分析,建立交通运输客流调度的控制目标函数,进行调度运输问题数学模型的优化求解。实验结果表明,该交通运输客流调度数学模型能提高客流的吞吐量,避免船舶和客流的冲突和堵塞,模型具有全局收敛性。