非线性船舶物流配送量估计的数学模型分析

针对当前非线性船舶物流配送量估计方法存在的精度低、耗时长等缺陷,为了获得更加理想的非线性船舶物流配送量估计结果,提出非线性船舶物流配送量估计的数学模型。首先分析当前非线性船舶物流配送量估计研究进展,指出各种非线性船舶物流配送量估计方法存在的不足;然后选择船舶物流配送量估计历史数据,引入数据挖掘技术分析非线性船舶物流配送量估计的变化特点,建立非线性船舶物流配送量估计数学模型,最后与其他方法进行了仿真实验。结果表明,数据挖掘的非线性船舶物流配送量估计精度超过了92%,而且建模的时间短,非线性船舶物流配送量估计效果要明显优于当前其它估计方法,具有更高的实际应用价值。     

基于灰色模型的港口船舶通航能力估计

港口船舶通航能力估计具有十分重要的研究意义,由于港口船舶通航能力与多种因素直接或者间接相关,使得港口船舶通航能力不仅具有固定的变化趋势,同时具有随机的变化趋势。为了更好地描述港口船舶通航能力的变化趋势,本文提出基于灰色模型的港口船舶通航能力估计方法。对国内当前港口船舶通航能力研究现状进行分析,找到不同港口船舶通航能力估计方法的局限性。收集港口船舶通航能力的相关数据,采用灰色模型从相关数据中发现港口船舶通航能力变化特点,建立港口船舶通航能力估计模型,并引入神经网络对港口船舶通航能力估计误差进行修正。最后,进行了港口船舶通航能力估计性能的仿真测试。结果表明,本文方法可以准确拟合港口船舶通航能力变化趋势,港口船舶通航能力估计精度达到90%以上,在相同条件下,估计效果要优于当前经典港口船舶通航能力估计方法,具有十分广泛的应用前景。     

船舶物流路径规划的数学模型构建及求解

船舶物流路径规划的研究具有十分重要的经济价值,当前船舶物流路径规划方法无法找到最优的船舶物流路径规划方案,使得船舶物流运输的成本过高,为此本文设计了基于蚁群算法和粒子群算法的船舶物流路径规划方法。首先分析船舶物流路径规划研究的历史,建立船舶物流路径规划的数学模型,然后采用粒子群算法对船舶物流路径规划的数学模型进行求解,找到有效的船舶物流路径规划方案集合,并在此基础上采用蚁群算法对船舶物流路径规划方案集合进行搜索,找到最优的船舶物流路径规划方案,最后与单一蚁群算法、粒子群算法进行了船舶物流路径规划问题求解的仿真实验。本文方法避免了单一蚁群算法、粒子群算法求解速度慢,难以找到最优船舶物流路径规划方案不足,得到的船舶物流路径规划方案可以帮助企业节约物流运输成本。     

基于改进模拟退火算法的船舶物流配送中心选址研究

未改进模拟退火算法收敛速度难以控制,导致应用算法选址后物流总成本较高,选址方法的实用价值低。针对以上问题,研究改进模拟退火算法的船舶物流配送中心选址方法。结合船舶物流的实际问题,建立物流中心选址的数学模型。采用与粒子群算法相结合的方式,改进模拟退火算法。利用改进后的模拟退火算法求解建立的数学模型,得到最优物流配送中心地址。通过与传统选址方法的对比实验,表明改进后的模拟退火算法收敛性能更佳,并且相比传统方法平均节省了约16.95%的成本。     

船舶避碰中灰色数据挖掘研究

随着海洋运输业的发展,航行在海上的船舶数量越来越多,船舶避碰系统成为保障船舶航行安全的必要设备之一。现有的船舶避碰算法有基于视频图像帧数据的、红外传感器设备采集数据的,也有利用知识发现及大数据挖掘技术对船舶航行轨迹及碰撞规律进行分析,对船舶航行进行辅助指导。本文研究船舶避碰中的灰色度数据挖掘技术,并根据实际的应用数据建立灰色度数学模型,最后对本文的船舶避碰算法进行仿真,与传统算法进行比较分析。     

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。     

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。     

基于神经网络的船舶物流配送成本预测

高精度的船舶物流配送成本预测可以节省成本,提高船舶物流配送企业的利润,因此具有重要的研究意义。为了获得更高精度的船舶物流配送成本预测结果,提出神经网络的船舶物流配送成本预测方法。首先采集船舶物流配送成本历史数据,通过变换技术建立船舶物流配送成本预测的学习样本,然后引入BP神经网络对船舶物流配送成本学习样本进行训练,拟合船舶物流配送成本的变化特点,从而实现船舶物流配送成本预测,最后与当前经典船舶物流配送成本预测方法进行优越性测试。结果表明,BP神经网络的船舶物流配送成本不仅预测精度平均高于对比方法 5%以上,而且船舶物流配送成本预测稳定性更优,预测结果可以为船舶物流配送企业提供有用的信息。     

智能网络下船舶海上应急物流路径规划方法

为了满足船舶海上应急物资的需求,针对当前船舶海上应急物流路径规划方法存在的不足,设计了基于智能网络下船舶海上应急物流路径规划方法。首先根据船舶海上应急物资需求的特点,建立船舶海上应急物流路径规划的数学模型,然后基于智能网络对船舶海上应急物流路径规划的数学模型进行求解,构建船舶海上应急物流规划路径,最后通过算例对本文的船舶海上应急物流路径规划方法性能进行验证。验证测试结果表明,本文方法在较短时间内可以找到最优的船舶海上应急物流规划路径,是一种能够满足实际需要的船舶海上应急物流路径规划方法。     

时间序列分析法船舶港口建筑工程成本估计

针对当前船舶港口建筑工程成本估计精度低的问题,提出时间序列分析法的船舶港口建筑工程成本估计方法。首先采集大量船舶港口建筑工程成本历史数据,将它们组成一组时间序列数据,然后引入小波变换对船舶港口建筑工程成本时间序列数据进行分解,得到趋势部分和细节部分,使得变化特点比较明显,最后采用RBF神经网络对船舶港口建筑工程成本时间序列的趋势部分进行建模,采用支持向量机对船舶港口建筑工程成本时间序列的细节部分进行建模,并根据预测结果重构得到船舶港口建筑工程成本估计结果。实例研究结果表明,时间序列分析法的船舶港口建筑工程成本估计效率高,可以高精度对船舶港口建筑工程成本进行估计。     

基于数据挖掘的船舶电力推进系统暂态特性研究

相对于传统船舶动力推进方式,船舶动力推进系统具有能耗小、性能好的优点,暂态特性直接影响船舶动力推进系统的工作性能,当前方法无法有效地分析船舶电力推进系统暂态特性,为此设计了基于数据挖掘的船舶电力推进系统暂态特性研究方法。首先对船舶电力推进系统暂态特性变化特点进行分析,建立船舶电力推进系统暂态特性的数学模型,然后通过数据挖掘方法对船舶电力推进系统暂态特性进行研究,分析扰动因素对船舶电力推进系统暂态特性的影响,最后通过仿真实验测试研究方法的有效性。结果表明,本文方法可以高精度船舶电力推进系统暂态特性,提高了船舶电力推进系统的可靠性和工作稳定性。     

大数据分析技术的船舶信息安全态势估计

目前研究的船舶信息安全态势估计方法估算时间过长,估算结果与实际结果吻合度较低。为解决上述问题,基于大数据分析技术提出了一种新的船舶信息安全态势估计方法,建立了大数据分析技术的船舶信息安全态势估计模型,获取多类不确定信息并进行联合和分析,对船舶信息安全的态势、威胁及安全程度进行实时评价,完成对船舶信息安全的态势估计和预测。实验结果表明,大数据分析技术的船舶信息安全态势估计方法能够缩短估算时间,提高估算结果与实际结果的吻合度。     

基于数据挖掘的船舶运输网络最优协议匹配方法

目前研究的船舶运输网络最优协议匹配方法误码率较高,导致匹配时延过长。为了解决上述问题,提出数据挖掘的船舶运输网络最优协议匹配方法。船舶内部指令的执行通过网络维持,借鉴数据挖掘技术的方法,对船舶运输网络最优协议匹配方法进行分析。船舶运输网络最优协议匹配方法要考虑到船舶网络设备的型号以及各种网络协议的针对性,进行最优匹配。实验结果表明,基于数据挖掘的船舶运输网络最优协议匹配方法能够有效降低误码率,缩短匹配时延。     

船舶运营成本可能仍将增长

Drewry日前发布《船舶运营成本年度回顾和预测》指出，2011年至2012年船舶运营成本增长了2%至5%，这个结果与Moore Stephens会计师事务所估计的船舶运营成本增长2.1%相一致。     

船舶海上航行方向估计的数学模型构建

针对传统航行方向估计数学模型得到的船舶静态偏向角过大的问题,设计构建一种船舶海上航行方向估计的数学模型。首先采用惯性坐标系与附体坐标两种坐标系统,计算船舶运动时的自由度并投射变量到两个坐标系中,建立航行方向观测方程,依照角速率匹配惯性测量法计算出静态偏向角,完成船舶海上航行方向估计的数学模型的构建设计。实验结果表明,与传统航行方向估计数学模型相比,船舶海上航行方向估计的数学模型得到的静态偏向角更小。     

基于多维关键数据挖掘的船舶航行路径控制算法

船舶航行路径受到航向、速度、发动机性能参数等关键数据的影响,对路径稳定性控制较为困难,为了提高船舶航行路径控制的稳定性,提出一种多维关键数据挖掘的船舶航行路径控制算法。构建船舶航行的运动学模型,采用轴加速度计、磁力计和三轴陀螺仪等测量设备进行船舶航行路径的多维参量采集,对采集的原始参量数据进行自适应融合处理,进行船舶航行路径控制参量的量化跟踪估计,采用多维关键数据挖掘方法获得船舶航行的最优的姿态角和最优路径解析参量,实现船舶航行路径优化控制。仿真结果表明,采用该方法进行船舶航行路径控制的稳定性和鲁棒性较好,对关键数据的估计精度较高,提高了船舶整体控制的稳健性。     

船舶建造物流管理系统

在航运和船舶建造市场大环境低迷的背景下,降低船舶建造物流成本可显著提升船舶企业的市场竞争力。介绍船舶建造物流管理特点,分析当前船舶建造物流管理的现状和不足,有针对性地提出建立基于信息化的现代化物流管理体系从而降低物流成本的策略,为提高造船企业物流管理水平提供一定参考。     

大规模船舶通信网络数据量估计数学模型构建与仿真分析

针对原有船舶通信网络数据量估计的数学模型对网络数据量展开预估时,网络节点定位估算能力较差的问题,设计大规模船舶通信网络数据量估计的数学模型构建。根据设定的数学模型构建流程,采用MLCEC算法提升网络节点的预估精度,获取通信网络节点估算值。而后,在估算的节点位置设定传感器获取单一节点数据收发量,设定计算过程,对通信网络中节点数据收发量展开统计,得出船舶通信网络数据量预估值。至此,大规模船舶通信网络数据量估计的数学模型构建完成。设计仿真分析环节,通过与原有数据模型相比,此数学模型对通信网络中节点位置的定位与估算精度较高。综上可知,大规模船舶通信网络数据量估计的数学模型估算效果优于原有模型。     

互联网时代基于大数据的海上物流运输量估计研究

传统海上物流运输量估计研究对于物流运输量的研究准确率较差,研究成本较高,不符合可持续发展的要求。针对这一问题,提出一种互联网时代基于大数据的海上物流运输量估计研究,通过物流管理信息采集通道对海上物流运输量数据进行获取,在此基础上选择不同的数据估计算法对物流数据进行分析、筛选与估算,实现算法挖掘,完成对海上物流运输量的估计研究。为验证估计研究方法的工作效果,与传统估计研究方法进行实验研究。结果表明,互联网时代基于大数据的海上物流运输量估计研究具有良好的研究准确率,符合可持续发展要求。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。