岸边集装箱起重机司机操作意图识别方法研究

以港口岸边集装箱起重机装卸操作过程为研究背景,基于隐马尔科夫模型（HMM）,建立双层HMM模型,运用修改后的Forward-Backward算法,计算操作层各个HMM模型的似然度,选择似然度最大的模型作为操作行为的识别结果,组成观察序列串后,送入意图层HMM模型集,进行桥吊司机操作意图的识别。最后,采用Matlab环境实现HMM模型,通过现场统计确定案例基础数据,验证了模型的有效性。结果表明,该模型可准确识别岸边集装箱起重机司机的操作意图,对于研究港口机械智能辅助驾驶系统具有一定的意义。     

基于混合HMM_SOFMNN的语音识别技术研究

提出了一种混合隐马尔可夫模型(HMM)与自组织特征映射神经网络(SOFMNN)的方法应用于语音识别,训练出抗噪声的混合模型。实验证明,该模型适合于对噪声背景下的语音进行识别。同传统的用纯净语音训练出来的HMM模型以及直接在语音中加入加性噪声训练出的HMM模型相比,该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(2～12dB),识别率比传统HMM模型有明显提高。     

一种基于灰色理论-隐马尔科夫模型的装备故障预测方法

针对复杂电子装备的系统复杂性、故障关联性以及监测信息不完备的特点,论文提出利用HMM作为分类器,实现对早期故障因素模式的识别;研究了基于灰色理论的状态预测技术,提出基于灰色理论与隐马尔科夫模型相结合的故障预测方法,最后通过某电子装备故障发生率、故障类型与潜在故障因素之间的统计关系和特点,验证了该方法具备一定的预测精度。     

人工神经网络在预测混凝土强度的应用

通过改进的BP和RBF两种神经网络对混凝土的强度进行预测.研究表明,改进的BP和RBF的神经网络模型能够充分考虑影响混凝土强度的各种因素,对混凝土强度进行预测,且精度较高,训练次数少,节省机时,在混凝土强度预测中具有广泛的应用前景.     

用前移回归分析法预测舰船装备计划修理总经费

在综合分析各种装备维修经费预测方法的基础上,对海军舰船装备计划修理总费用的预测问题进行了研究,提出了用前移回归分析法预测舰船装备计划修理总经费,并通过实例模型证明了前移回归分析模型预测效果较好,而且建模原理简单,可方便进行隔年预测.     

上海内河货运量的组合预测

内河航运是综合交通运输系统中不可缺少的运输方式,存在着很大的潜在优势.定量地把握未来内河运输的发展趋势,具有重大的现实意义.通过利用时间序列模型、logistic曲线与自回归模型等,对2010-2015年的上海内河货运量进行预测.在此基础上,对不同模型赋予不同的权重,建立了组合预测模型.研究表明:未来上海内河货运量将持续稳定地增长.为提高预测的精度,有必要综合地使用多个预测方法.     

基于ITS与W6ELProp模型的短波频率预测方法及应用研究

频率预测技术的出现为通信链路的选频提供了依据,然而传统的频率预测模型需要通过复杂的链路计算对短波通信频率进行预测。在解决链路的选频问题上,基于ITS与W6ELProp模型的预测方法省去了人工计算过程,实现选频过程的程序化。本文在分析传统预测方法适用性的基础上,结合仿真结果,进行ITS与W6ELProp模型在应用方面的研究。对短波通信保障具有参考价值。     

SOFM和HMM在旋转机械升降速全过程故障诊断中的应用

HMM模型是一个处理非平稳时间序列的统计模型。针对旋转机械升降速过程振动的特点,本文提出了利用SOFM神经网络对振动信号进行矢量量化,并用量化后的序列训练HMM模型,利用该模型对旋转机械升降速过程进行故障诊断。实验证明该方法是比过程的一种有效的诊断手段。     

基于 ITS 与 W6ELProp 模型的短波频率预测方法及应用研究

频率预测技术的出现为通信链路的选频提供了依据,然而传统的频率预测模型需要通过复杂的链路计算对短波通信频率进行预测。在解决链路的选频问题上,基于 ITS 与 W6ELProp 模型的预测方法省去了人工计算过程,实现选频过程的程序化。本文在分析传统预测方法适用性的基础上,结合仿真结果,进行 ITS 与 W6ELProp模型在应用方面的研究。对短波通信保障具有参考价值。     

基于HMM与神经网络的语音识别技术研究

语音识别主要是让机器准确地识别出语音的内容。利用隐马尔科夫链(HMM)与人工神经网络(ANN)各自的优点,通过HMM/ANN混合模型处理语音识别有综合的优势。本文就其中的各主要技术展开论述。     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

基础沉降的组合预测法

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。     

A model for forecasting future supply of shipping services at Australian ports

This paper aims to develop an integrated model for forecasting both the number of ship visits and their characteristics in the medium and long term. Knowledge of future shipping trends for any port is no doubt important, as the future number of ship visits and their characteristics may have implications for the physical facilities of a port. In addition, more reliance on tonnages as a revenue source has made this knowledge more valuable. The proposed model identifies such major economic determinants as the expected trade throughput, world shipping trends, standards of facilities and future plans of shipping companies/agents. The model examines three possible scenarios for the Port of Melbourne and produces a range of shipping forecasts based on certain assumptions. From the model the major findings were:

world trends in shipping did not have any immediate impact on the shipping trends at the Port of Melbourne;

Future shipping services at the Port of Melbourne in the next 11 years are most likely to be determined by trade demand rather than by technological developments overseas;

there has been no evidence to indicate that the Port of Melbourne has been excluded from the schedule of general cargo ships due to the Port's physical constraints.     

舰船方位变化规律的灰预测方法研究

对方位序列进行预测对于潜艇作战具有重要的实际意义。应用灰色系统理论，以GM（1，1）模型，残差修正的GM（1，1），等维灰数递补残差修正GM（1，1）模型对目标序列进行预测，可有效克服目标方位序列的非线性和非稳定性，在信息较少的情况下达到精度较高的回归和预测效果。通过实例计算表明，上述计算可快速提供精度较高的较长时间间隔的目标方位，为潜艇作战提供有利信息。     

最优组合预测方法在内河港口吞吐量预测中的应用

港口吞吐量的预测是港口规划过程中最为基础也最为关键的一步,只有对港口吞吐量做出准确、稳定的预测,才能做出科学合理的港口发展规划。由于内河港吞吐量历史数据有限,文中采用GM(1,1)和Verhulst模型的最优组合模型对港口吞吐量进行预测。该组合模型充分利用GM(1,1)模型“少数据,短期预测准确”的优点,又针对GM(1,1)预测量的无限增大趋势,引入了Verhulst模型进行组合修正,进而提高预测值的准确、稳健性。     

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。     

海洋生态系统及海岸工程生态影响预测模型研究进展

对海洋生态系统的研究已形成了以实验观测为基础、建立生态模型的方法。文章对已有的海洋生态模型研究成果进行了归纳总结,认为初级生产力模型是纯生态模型的主要发展方向,综合考虑物理生化作用的生态系统动力学模型将是未来海洋生态研究的必然趋势。同时,由于我国大规模海岸工程建设对近岸海域生态系统造成了较大影响,而相关的生态影响预测模型研究较少,为有效预测评价海岸工程建设对近岸海域生态系统的影响,进一步深入研究海岸工程建设对近岸海洋生态影响预测模型将显得尤为重要。     

灰色系统模型在内河港口吞吐量预测中的应用

根据淮南港吞吐量实际调查资料,选择灰色系统理论对其进行吞吐预测研究,结果表明,对不同的预测时期应采用不同的灰色系统预测模型。对于短期预测,采用GM(1,1)模型与Verhulst模型的组合模型;对于长期预测,采用Verhulst模型并用GM(1,1)模型对其残差进行修正。实例验证以上两种模型是可行性的。     

江都散货泊位船舶操纵仿真模拟研究

拟建江都散货泊位工程水域附近流态复杂。为保证进出港船舶和靠、离泊作业船舶的安全,需要对拟建工程进行模拟仿真研究。根据实地拍摄视景图片和定位,制作出码头附近的三维视景库,利用当地实测地形资料和相关资料,制作出包括码头设计尺寸、航道的三维地形图和视景图及电子江图,运用水流模拟软件进行模拟和验证,建立了6自由度的设计船舶模型,根据不同风、流组合条件,进行了模拟航行和操纵试验,得到试验数据和模拟研究结论。本次模拟研究,首次使用专业水流模拟软件,结合大型船舶操纵模拟器进行试验,使结果更加具有参考价值和科学依据。