基于非线性组合模型的船舶无线网络流量预测

流量预测是船舶无线网络管理中的重要技术,传统组合方法只能描述船舶无线网络流量的部分变化规律,无法获得令人满意的船舶无线网络流量预测结果,为了全面反映船舶无线网络流量变化规律,提出基于非线性组合模型的船舶无线网络流量预测方法。首先分析单一预测方法和传统组合方法的局限性,然后采集船舶无线网络流量历史数据,采用RBF神经网络、BP神经网络、灰色算法分别对船舶无线网络流量进行预测,最后采用支持向量机要对它们的预测结果进行非线性组合,输出船舶无线网络流量最后预测结果,测试结果表明,非线性组合模型的船舶无线网络流量预测十分精确,船舶无线网络流量预测误差可以忽略不计,完全能够满足船舶无线网络管理要求,船舶无线网络流量预测结果显著优于传统组合方法,为解决复杂船舶无线网络流量预测问题提供了一种新的建模思路。     

基于灰色自回归模型的船舶流量预测方法

结合灰色模型和自回归AR(p)模型,提出两种模型组合的灰色自回归模型,根据实际的船舶交通流量数据,分别运用灰色模型、自回归AR(p)模型和灰色自回归模型,对某港口船舶交通流量的进行预测,通过计算和Matlab仿真,结果表明灰色自回归模型预测精度较高,证明了该模型的可行性。     

基于影响因素分析的船舶交通流量预测多元线性回归模型

随着经济的发展,通过长江水域的船舶数量日益增多,通过对长江镇江段的船舶流量进行调研以及对影响船舶交通流量的因素进行分析,能够更为精确地建立船舶流量预测模型,为预测提供科学依据。     

基于指数平滑技术的港口船舶流量预测

船舶流量的预测对缓解港口交通拥堵、提高通航效率、合理配置资源起着重要的作用。为提高船舶流量的预测精度,本文通过研究预测技术,确立预测方法,通过使用指数平滑技术建立预测模型,经过一次指数平滑、二次指数平滑后拟合出船舶流量的趋势,得出初步预测值。为降低预测误差文章通过使用规划求解方法找出最佳平滑常数,从而得出船舶流量数据,预测结果更加精确。该方法的应用对港口船舶流量预测具有重要意义,为港口的交通管理提供重要依据。     

基于统计数学理论的船舶航行流量预测

船舶航行流量与多种因素相关,使得船舶航行流量变化复杂,对其进行预测面临巨大的挑战。为了解决当前船舶航行流量预测结果不理想的缺陷,以提高船舶航行流量预测精度为目标,提出基于统计数学理论的船舶航行流量预测方法。首先分析影响航行流量的因素,找出航行流量变化规律,然后收集航行流量历史数据,采用统计数学理论对航行流量历史数据进行分析,建立可以描述其变化规律的模型,最后对航行流量预测方法的有效性和优越性进行了测试与分析。结果表明,本文方法的船舶航行流量预测值与实际的航行流量值之间的偏差小,航行流量预测误差小于5%,提高了航行流量预测精度。     

基于船舶自动识别系统数据的多汊航道船舶流量预测

基于船舶自动识别系统(AIS)大数据,通过解析AIS原始报文,分离出关键字条,经过数据清洗、筛选后匹配其他船舶数据源,以进一步识别船舶类型并划分吨级。将大数据应用于船舶流量预测中,通过跟踪代表船型的航迹,总结出船舶航行规律和运营情况,再结合历史数据和宏观形势发展,综合预测航道货运量,基于对AIS数据的挖掘,运用分配模型预测多汊航道船舶流量,并以长江口南槽航道为例预测其船舶流量。结果表明,运用AIS大数据能有效分析复杂多变的船舶航路,从而准确地预测多汊道航道船舶流量。     

灰色理论自适应模型在船舶流量预测中的应用

随着经济的发展,船舶作为最经济实惠的运输方式广泛应用。本文将灰色理论自适应模型应用于船舶流量预测,可以有效提高船舶交通服务的智能化及自动化水平。最后通过对比实验说明本文所设计的模型比传统模型精度得到提高。     

基于FCM-ANFIS模型的船舶交通流预测

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。     

基于不平衡模型的航道船舶流量分析

对广州港出海航道流量实测得到基础数据,对流量进行峰值搜索、加权、分类统计和不平衡分析,建立流量时间不平衡和流量双向不平衡模型,从时间和空间方面反映了流量规律,反映出航道本身及管理状况。     

基于神经网络的远海航道船舶流量预测系统构建

远海航道船舶流量受到多种因素的综合作用,具有一定的周期性,同时具有强烈的非线性,传统线性建模方法无法对远海航道船舶流量进行高精度的拟合,使得远海航道船舶流量预测偏差大。为了克服当前远海航道船舶流量预测系统存在的局限性,设计了基于神经网络的远海航道船舶流量预测系统。首先分析当前远海航道船舶流量预测系统的研究现状,指出各种系统存在的缺陷,然后利用神经网络的非线性建模性能设计了性能良好的远海航道船舶流量预测系统,最后对该远海航道船舶流量预测系统的有效性进行了测试。本文系统可以高精度实现远海航道船舶流量预测,远海航道船舶流量预测误差远远小于实际应用要求的临界要求,并与其他系统进行对比分析,本文远海航道船舶流量预测系统的预测效果明显更优。     

一种改进的ARIMA预测模型在船舶系统中的应用

为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。     

一种基于实时预测算法的船舶姿态控制器设计

在船舶研发和改进过程中,研究减摇设备是重要课题之一。传统减摇设备的滞后性导致其不能有效避免波浪引起的船舶侧翻等灾害,故本文设计一种基于实时预测算法的船舶姿态控制器。将不规则波分解为大量规则波叠加建立波面模型,分析波倾角并建立船舶的传递模型。基于卡尔曼滤波算法设计船舶的横摇预测系统,再以减摇鳍为核心设计姿态控制器,最后进行模拟仿真。结果表明,预测系统预测结果准确,预测值误差较小,姿态控制器减摇效果良好,浪向角120°下横摇角被控制在5°以内。     

多元线性回归模型在船舶燃油单耗预测中的应用

根据影响船舶千吨海里燃油消耗量指标的主要因素,采用多元线性回归方法,以海洋干散货船为例,建立船舶燃油单耗多元线性回归模型,通过采集到的大量相关数据,并进行整理、统计回归后,对多元线性回归模型中的参数进行标定,并对标定后的数学模型进行验证,通过该数学模型,可以计算不同船况下船舶的燃油单耗,为预测船舶燃油单耗的发展趋势,挖掘节能潜力提供参考依据。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

基于灰色马尔科夫模型的船舶交通流预测

鉴于船舶交通流预测的复杂性,利用单一的灰色预测方法难以对其做出准确预测,考虑交通流量的波动性,将灰色预测理论和马尔科夫预测方法结合以建立灰色马尔科夫预测模型,利用该模型对长江口河段的船舶交通流量进行预测分析。研究结果表明:灰色马尔可夫链模型的预测结果较单一的灰色预测结果更接近实际值,相对误差较小且具有较高的拟合精度,对于具有一定波动性和随机性的船舶交通流有较高的预测精度,可应用于实际船舶交通流量预测研究中。     

基于线性叠加的智能船舶经济性评估模型构建

经济性是智能船舶能否实现推广应用的关键,目前国内外有关智能船舶经济性分析的研究较少。本文通过对传统船舶经济性分析方法进行修正优化,提出智能船舶经济性分析计算模型,并根据理论推导结果,得出智能船舶经济性分析的线性叠加简化模型,并利用40万吨级VLOC实际运营数据进行科学性检验。本文提出的模型与方法适用于各类智能模块加装情况下的经济性核算,为相关单位开展智能船舶经济性快速分析提供了理论支持和解决方案。     

基于LSTM模型的船舶材料成本滚动预测

船舶建造周期长、材料成本占比大,易受大宗商品价格指数和汇率等多个因素的影响,造成实际完工成本与报价估算存在较大误差的情况。采用灰色关联分析（Grey Correlation Analysis,GCA）方法识别材料成本的影响因素,基于长短期记忆网络（Long Short-Term Memory,LSTM）模型构建船舶材料成本滚动预测模型,并使用某造船企业53艘64 000 t散货船63个月的材料成本数据和对应的影响因素数据进行试验分析。结果表明,预测数据与实际数据误差在可接受范围内,可证明所选择方法和构建模型的有效性。研究结果对船舶建造过程的成本实时预测和控制具有现实意义。     

基于RKGM-AR模型的船舶主机排气温度预测

为了对船舶主动力装置系统中非平稳变化的热力性能参数进行趋势预测,以实现对主动力装置故障状态预报,提出了一种新型RKGM-AR时间序列预测模型。该模型首次将四阶龙格-库塔法改进的灰预测模型与时间序列预测模型相结合,将热力参数分解成具有确定性的趋势项和具有不确定性的随机项,然后分别运用RKGM模型和AR模型对趋势项和随机项进行预测。通过某船舶主机排气温度预测实际应用案例对提出的模型进行了验证。实验结果表明,RKGM-AR模型预测结果的平均相对误差为0.276%,模型比较可靠、准确。     

一种适用于船舶复杂机舱的改进型变频通风控制逻辑

介绍一种改进型变频通风自动控制逻辑,适用于大型商船复杂机舱通风系统.在普遍应用的基于排风温度信号和机舱内压力信号进行变频风机控制的基础上,补充若干个温度传感器(Temperature Transmitter,TT),用以对发电机室、净油机室等重点舱室温度进行监控并给予重点关注.简化变频风机的运行控制逻辑,在兼顾节能降耗...     

基于改进型神经网络的船舶APF谐波检测

针对船舶有源电力滤波器谐波检测实时精度高的要求,在传统自适应检测方法的基础上,提出了基于自适应Hopfield神经网络的船舶有源电力滤波器谐波检测方法。根据自适应噪声对？肖技术的基本原理,为了有效的进行噪声抵消,采用了基于Hopfield神经网络的自适应非线性滤波器,将基波有功电流从负载电流中滤除从而得到基波无功电流和...