数据挖掘技术在船舶航迹拟合中的应用

近年来,针对船舶航迹拟合的研究日益增加。但原有船舶航迹拟合方法在使用中,常出现拟合结果与实际航迹相差较大的问题。因而采用数据挖掘技术展开优化,设计基于数据挖掘技术的船舶航迹拟合方法。在船舶中引用AIS系统,获取船舶行驶数据。采用数据挖掘技术中的模式挖掘算法对采集到的数据进行预处理。使用上述处理后的数据,构建船舶航迹拟合模型。至此,基于数据挖掘技术的船舶航迹拟合方法设计完成。构建实例测试分析环节,将此方法拟合结果与原有方法拟合结果和实际航迹进行对比,获取航迹相似度。通过对比可知,此方法相似度高于原有方法。由此可知,基于数据挖掘技术的船舶航迹拟合方法拟合效果更佳。     

大数据挖掘在船舶通信网络安全预警中的应用

为了缩短船舶海上航行过程中通信网络安全的预警时间,确保船舶航行的安全性,提出大数据挖掘在船舶通信网络安全预警中的应用。利用数据采集工具包中的采集函数,设计船舶通信网络安全数据的采集流程,完成船舶通信网络安全数据的采集;基于船舶通信网络安全预警模型的构建过程分析,完成船舶通信网络安全预警模型的建立;最后通过船舶通信网络安全预警流程设计,实现了基于大数据挖掘的船舶通信网络安全的预警。仿真实验结果表明,基于大数据挖掘的预警方法相比基于态势感知的预警方法,发出预警信息的时间更短,具有较高的预警能力。     

船舶通信网络安全风险评估云计算平台设计

以解决船舶通信网络安全风险评估问题,保障船舶通信网络安全为目的,设计船舶通信网络安全风险评估的云计算平台。从数据源内采集船舶通信网络相关数据并分别存储在不同类型数据库内,数据挖掘分析层分析所采集数据,构建由物理、软件、网络安全管理组成的船舶通信网络安全风险评估指标体系,利用风险评估模型获取船舶通信网络安全风险评估结果。船舶通信网络组件服务层将评估结果等以组件形式传输至船舶通信网络应用展示层内,向用户提供可视化结果查询等功能。实验结果显示,该平台能够准确评估船舶通信网络安全风险等级,保障船舶通信网络安全。     

基于数据挖掘的船舶航线自动控制技术

构建船舶航行运动学模型,分析船舶航海过程中的关键参数以及控制参量,通过数据挖掘采集船舶航线自动控制参量和关键数据,采用自适应信息融合方法融合关键数据中的特征.获取特征性路径条件后,采用大数据蚁群优化算法,优化特征性路径条件和自动控制参量,实现船舶航线自动优化控制.结果表明,该技术具备可靠的船舶航线挖掘性能,可获取最佳的...     

基于机器学习算法的海洋平台结构整体安全度评估

以保障海洋平台结构整体安全度,延长海洋平台使用寿命为目的,提出基于机器学习算法的海洋平台结构整体安全度评估方法。基于层次全息建模理论,从环境、技术状态、功能模块等6个角度出发,共选取22个评估指标构建海洋平台结构整体安全度评估指标体系;采集评估指标数据,利用数据清洗与转换等处理方法预处理指标数据。将海洋平台结构整体安全度划分为5个等级。利用机器学习算法中的卷积神经网络构建评估模型,将评估指标数据作为输入,指标数据特征提取与数据降维等过程输出海洋平台结构整体安全度评估等级。实验结果显示该方法指标数据利用率较高,可准确评估海洋平台结构整体安全度,提升海洋平台使用的安全性。     

基于大数据挖掘的航标作业船航行安全评估研究

以保障航标作业船安全航行为目的,研究基于大数据挖掘的航标作业船航行安全评估方法。该方法利用大数据挖掘技术中的R聚类方法筛选航标作业船航行安全评估指标,利用大数据挖掘技术中的因子分析方法获取信息量较大的航标作业船航行安全评估指标,并构建安全评估指标体系。以该安全评估指标体系作为基础,利用模糊层次综合评估算法,通过构建评估因素集、评价集、评价矩阵等步骤得到航标作业船航行安全评估结果。实验表明,该方法具备较好的航标作业船航行安全评估指标筛选能力的同时,可有效对不同作业位置的航标作业船航行安全进行评估,具备较好的应用效果。     

基于大数据挖掘的船舶通信系统关键设备状态分析

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。     

基于BP神经网络的船舶网络安全状态评价

船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。     

基于物联网环境的海上AIS大数据挖掘模型构建

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。     

基于数据挖掘的船舶异常行为检测研究

通过对船舶异常行为检测,提高对船舶的实时监测和模式识别能力,提出一种基于数据挖掘的船舶异常行为检测方法。采用并行分列式数据架构模型构建船舶行为特征分布数据库,提取数据库中的关联规则特征量,采用自相关匹配滤波检测方法进行船舶异常行为特征点的提取,实现船舶异常工况下的行为特征数据挖掘,实现船舶异常行为检测优化。仿真结果表明,采用该方法进行船舶异常行为检测的准确概率较高,数据挖掘的分类性较好,虚警较低,在船舶异常监测和状态分析中具有很好的应用价值。     

蚁群优化神经网络的船舶排水量估计

传统船舶排水量估算过程应用阿基米德试验得到结果,但是由于水域密度系数不同,导致最终估算精确度较低,为此提出蚁群优化神经网络的船舶排水量估计方法。利用蚁群算法规则优化神经网络计算流程,得到分类估算的神经网络计算体系,通过网络连接将定点水域密度系数导入估算模型,实现神经网络估算模型的构建;确认船舶估算参数的相关性,通过神经网络估算模型估算出船舶排水量。实验数据表明,设计的估算船舶排水量过程准确有效。     

船舶电力推进系统虚拟仿真研究

针对船舶电力推进系统在船舶电子电气技术专业训练过程中的若干问题,构建船舶电力推进虚拟仿真系统,提出基于虚拟仿真的构建思路,并根据需要采用3dsmax建模,利用VR-Platform虚拟编辑平台,形成可以推广的仿真软件,在评估训练中得到应用,丰富了评估教学资源,提高训练效果。     

数据挖掘技术在船舶操纵运动预报中的应用研究

船舶操纵性直接影响船舶的航行安全。本文首先阐述BP神经网络的特点,并且以此为基础设计基于数据挖掘的船舶操纵运动预报的神经网络结构,选取散货船样本进行学习,获得3个预报样本,最后对散货船的水动力进行预报。预报结果表明,本文所采用的基于神经网络的数据挖掘技术预报精确度高。     

船舶齿轮箱故障诊断及失效预报方法研究

针对船舶齿轮箱故障诊断正确率低的难题,提出蚁群优化神经网络的船舶齿轮箱故障诊断方法。首先采集船舶齿轮箱故障诊断的数据,并采用小波分析提取船舶齿轮箱故障诊断特征,然后采用神经网络建立船舶齿轮箱故障诊断模型,并采用蚁群算法克服神经网络存在的缺陷,最后构建了船舶齿轮箱失效预测方法,实验表明,本文方法提高了船舶齿轮箱故障诊断效果,并获得了高精度的船舶齿轮箱失效预测结果。     

基于改进神经网络方法的船舶姿态高精度预报研究

针对船舶姿态预报精度的难题,结合船舶姿态变化特点,提出基于改进神经网络方法的船舶姿态高精度预报模型,首先对船舶姿态的数据进行采集,并对船舶姿态数据进行去噪处理,然后采用神经网络对船舶姿态变化特点进行高精度逼近,并对神经网络存在的一些缺陷进行相应的改进,最后进行船舶姿态预报的仿真实验。实验结果表明,改进神经网络提高了船舶姿态预报精度,克服了当前其它船舶姿态预报模型存在误差大的弊端,船舶姿态效果优势十分明显。     

基于三维虚拟仿真平台的船舶DPS系统实现

基于三维虚拟仿真技术和船舶动力定位系统控制原理,在Simulink图形化动态建模软件环境中构建DPS系统控制模型和数据文件,利用数据拟合处理技术输出可与虚拟仿真平台实现无缝链接的数据库文件,通过模型接口的嵌套对接直接驱动虚拟场景的三维模型,实现快速、准确、逼真的船舶动力定位系统三维虚拟仿真平台,为船舶建造前期论证工作提供了全新的技术手段和科学直观的论证视野。     

船舶远程监控数据的动态采集方法

为了提高对船舶的远程监控能力,提出一种基于多传感器组网及融合跟踪识别的船舶远程监控数据动态采集方法,构建船舶远程监控数据采集的无线传感器网络模型,进行传感器节点的自适应分布式优化定位设计,采用量化融合跟踪方法进行船舶远程监控数据挖掘和特征提取,构建反馈均衡滤波器进行数据采集后的抗干扰滤波处理,提高数据采集的干扰抑制能力,结合数据挖掘算法实现对船舶监控数据的动态采集。仿真结果表明,采用该方法进行船舶远程监控数据采集的准确性好,抗干扰能力较强,输出信噪比较高。     

基于数据挖掘的船舶海上物流供应链建模研究

船舶海上物流供应链的研究主要依靠大量数据,传统的模型中存在数据聚合度低的问题,因此,提出基于数据挖掘的船舶海上物流供应链建模研究。以星型结构建立数据仓库,生成数据库存事务表,以仓库中数据为依据,使用数据挖掘技术实现高维数据聚类,根据货物流向特点,结合RFID技术构建海上物流供应链工作流模型,达到供应链研究目的。实验结果表明:与传统的模型相比,设计的基于数据挖掘的船舶海上物流供应链模型的数据聚合度更高,说明该模型适合应用在船舶海上物流供应链研究中。     

基于GA-灰色BP神经网络船舶备件需求预测模型

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。     

基于差分进化算法的船舶电网系统状态评估研究

船舶电网系统状态对于船舶安全航行产生直接影响,为此研究基于进化差分算法的船舶电网系统状态评估方法,保障舰船安全航行。采用文献法与专家咨询法构建初始舰船电网系统状态评估指标体系,利用进化差分算法在初始评估指标体系内筛选指标,构建最终用于评估舰船电网系统状态的指标体系。采用模糊综合评估方法,确定评估结果划分等级,计算评估指标权重值,构建综合评估矩阵,通过评估矩阵与权重值实现舰船电网系统状态模糊综合评估,获取评估结果。测试结果显示,该方法所构建评估指标体系的整体Cronbachs’α系数值在0.85以上,显著高于标准值,且所得评估结果与舰船电网系统当前状态一致,说明了评估结果的准确性。