改进粒子群-BP物联网络算法的PSC选船模型

港口国监督管理(PSC)在保障船舶安全、保护海洋环境、提高运营效率等方面发挥着越来越重要的作用。如何提高PSC选船效率和质量是行业研究的重点。粒子群算法是一种通过迭代搜索最优解的进化算法。BP神经网络是一种具有自主学习能力的多层前馈网络。本文研究粒子群算法原理,从惯性权重和压缩因子两方面对粒子群算法进行改进,结合BP神经网络算法,提出基于改进粒子群-BP物联网络算法的PSC选船模型,提高了选船效率和质量。     

港口国监控选船新模型研究

针对已有PSC选船模型采用层次分析法、模糊综合评价方法和BP神经网络等方法存在的诸如不能反映各风险因素之间相关性、专家主观因素带来偏差,样本需求量过大和收敛速度慢等问题,以2009/16/EC巴黎备忘录目标船选船机制NIR为研究对象,提出一种新的基于支持向量机理论的PSC选船模型,并选取巴黎备忘录“THETIS”检船数据库的部分船舶信息进行实证分析.结果表明,使用基于支持向量机理论的PSC选船模型测试的船舶样本结果与其公布的船舶实际情况一致,使用该算法可十分有效地在样本少且检查资源有限时对船舶进行快速分类,对PSC选船的实际操作具有实用价值.     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。     

基于BP神经网络的二手船价格评估研究

二手船价格是买卖二手船决策过程中非常关键的因素。为了准确地估算二手船价格,利用BP神经网络的高度非线性运算能力以及通过学习样本数据即可对事物复杂内在规律进行精确计算的特点,将BP神经网络应用于二手船价格的估算。利用从克拉克松获取的2009年到2012年120个灵便型干散货船交易数据,建立了基于船龄、船舶载重吨(DWT)、新造船价格和一年期期租费率的BP神经网络模型,网络输出结果与二手船实际交易价格的相对误差率在10%以内。     

基于自适应变异PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于神经网络的FSC检查选船模型研究

我国FSC检查的目标船目前主要由人工方式来确定,存在很大的盲目性和随意性。为了提高FSC检查目标船选择的合理性,文中分析了船舶的主要风险因素,并结合BP神经网络建立了FSC检查选船模型,最后通过实例验证了所建立模型的实用性。     

基于SAPSO-BP网络模型的港口潮汐实时预报

为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

基于BP神经网络的海上发射船耐波性优化研究

为了保证海上火箭发射的安全,应用BP神经网络对火箭发射船加以优化。按照海上发射在设备布局方面要求进行总布置设计,建立火箭-发射船刚性连接端的弯矩模型,以方形系数、船长和船宽为优化变量,通过BP神经网络模型对母型船进行优化设计,优化得到的船型弯矩比母型船减少了19.41%;对部分优异样本点进行再建模和数值仿真,仿真结果表明,BP神经网络模型的误差不到1%,验证了模型的准确性。该研究为海上发射船设计优化提供了一种研究思路,为海上火箭发射是否存在风险提供了一种预知方法。     

基于集员估计理论的神经网络学习算法

针对前馈神经网络BP算法在处理非线性对象时,收敛速度慢,易陷入局部极值,需调节参数多等缺陷,提出了将最优定界椭球(OBE)算法引入到神经网络的学习中,该算法比BP算法在收敛速度,精度方面都有显著提高,仿真结果证明了此算法的有效性。     

基于ABC优化BP神经网络的船舶交通流量预测

为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型.利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通...     

基于粗糙集理论的开航安全性评价结果分析

为找出适宜对船舶开航安全性进行评价的方法,确保船舶航行安全,基于模糊评价方法、概率影响图评价方法和反向传播算法(BP)神经网络评价方法对船舶开航安全性的评价结果,利用粗糙集理论对其进行了数据挖掘,得出了影响开航安全性的船舶要素重要度排序.通过对结果分析与验证,发现模糊评价方法和概率影响图方法较适宜于船舶开航安全性评价.研究结论可为船长、船公司及海事监督部门的船舶开航安全管理提供参考依据.     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

基于变分模态时频分布下的水下目标DOA估计研究

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

基于LM算法的组合导航系统的故障诊断

LM (Levenberg-Marquardt)算法是梯度下降法与高斯-牛顿法的结合,在训练次数与精度上明显优于标准的BP算法.介绍了BP神经网络,采用LM算法对标准BP算法进行改进,并应用于船舶组合导航系统的故障诊断.仿真结果表明,LM算法可有效地提高学习速度,缩短训练时间,诊断效果好.     

基于LM-BP神经网络的沿海港口吞吐量动态模拟与预测

根据港口吞吐量与经济发展之间存在的非线性映射关系,引入结合LM(Levenberg-Marquardt)优化算法的BP神经网络,并将其应用于我国沿海港口吞吐量的动态模拟与预测.通过与BP算法的仿真结果比较分析,发现新算法具有训练速度快、预测精度高的特点.     

基于BP神经网络和FDM方法的势流问题求解

随着神经网络研究热潮的兴起,已经提出了许多学习算法,并迅速在各领域得到应用;本文试图采用改进的BP(Back-Propagation)算法来求解平面势流问题,并且与用有限差分法FDM(Finite Difference Method)计算的结果进行了比较,发现吻合良好.     

基于功效系数法与BP神经网络的造船业风险预警研究

将功效系数法和BP神经网络相结合,从汇率、利率、出口退税、钢材综合价格指数、行业平均工人工资、设备价格、新船价格指数、BDI指数(八个对造船业影响最大的指标)来综合衡量中国造船业的风险;运用功效系数法得出历史数据的警情,用历史数据训练BP神经网络预警模型;通过一组数据进行检验,并对2011年前的造船业风险进行了预警.研究表明:该方法能够对造船业风险进行测评并预报警情,对防范我国造船业风险具有一定的现实指导意义.