基于回声状态网络的船舶交通事故预测

船舶交通事故的预测结果对船舶交通智能管理具有指导性意义,针对当前船舶交通事故的预测误差大,建模过程耗费时间长等难题,设计基于回声状态网络的船舶交通事故预测模型。首先对当前船舶交通事故预测研究现状进行分析,指出各种船舶交通事故预测建模方法的局限性,然后收集大量的船舶交通事故历史数据,并进行一定预处理,构建船舶交通事故预测样本数据,然后通过回声状态网络的学习建立船舶交通事故预测模型,并采用具体船舶交通事故预测仿真实例分析其性能,回声状态网络的船舶交通事故预测精度超过95%,预测结果十分稳定,缩短了船舶交通事故预测建模过程耗费的时间,是一种高精度、速度快的船舶交通事故预测方法。     

利用卡尔曼滤波预测船舶航行轨迹异常行为

随着计算机控制技术的飞速发展,在船舶的航行预测和控制领域,人们相继开发出了各种智能化的预测算法,从而保证了船舶航行的安全。在船舶的行为预测和控制中,需要大量的传感器对船舶的姿态信息、设备状态信息和通信导航设备信号进行采集,因此本文着重研究了信号的滤波算法。本文提出了基于卡尔曼滤波算法的船舶航迹跟踪技术,并针对船舶的航行特点,建立了适当的运动模型和状态方程,最后通过仿真实验,对扩展卡尔曼算法的目标跟踪性能进行验证。     

最优加权组合模型在水上交通事故预测中的应用

依据水上船舶交通事故数据,在建立GM（1,1）模型和灰色Verhulst模型的基础上,建立了水上船舶交通事故数的最优加权组合模型,并对各模型的预测精度进行了分析比较。结果表明,组合模型比单一模型有更高的预测精度。采用该组合模型是提高水上交通事故预测精度的有效方法。     

船舶姿态控制器中微型机电传感网络算法的优化研究

现代的先进船舶控制系统一般都会采用智能化的控制平台,对包括船舶姿态、导航信息和设备状态等进行全方位的控制。本文主要研究船舶姿态控制系统的工作机制,对姿态控制中所涉及的微机电传感网络进行深度的优化,通过对船舶姿态控制系统的硬件电路进行升级,使船舶能够主动适应各种复杂的航行环境,优化中采用预测控制算法,能够对船舶的状态进行实时预测,提高传感器的使用寿命,提升姿态控制系统的稳定性。最后,对此系统的相关性能进行仿真,仿真结果表明本文提出的网络优化算法性能优越。     

基于时间窗口选择和SVR的船舶交通事故率预测

为提高对船舶交通事故率的预测精度,建立基于时间窗口选择和支持向量回归的船舶交通事故率预测模型,该预测模型考虑船舶交通事故的发生具有随机不确定性,以及海事规则生效等导致的船舶交通事故率的变动趋势。在构造船舶交通事故率不确定时间序列的基础上,采用滑动窗口技术对置信区间比较集中的不确定时间序列点进行聚类并分段,选择最接近当前时间的区段作为统计时间窗口,并利用支持向量回归模型对船舶交通事故率进行预测。以英国籍船舶交通事故数据为例,对预测模型进行实例分析。通过与指数平滑法和自回归移动平均模型预测结果的对比验证预测模型的有效性,为船舶交通安全管理者的决策提供指导。     

基于Mini-batch神经网络的船舶柴油机风险等级预测

文章针对现有的船舶柴油机健康管理智能化程度不高、管理技术落后等问题,引入神经网络风险预测方法。提出Mini-batch梯度下降方法,通过在网络训练不同阶段使用不同权重的训练样本,提升原有全量梯度下降算法预测模型不准确和较难更新等问题。并从船舶柴油机在一次机务风险所承担的风险着手,建立设备健康风险状态的综合评价指标体系,通过Minibatch梯度下降优化了风险等级分类器。结果表明,该方法能够对柴油机风险等级进行有效预测。     

基于机器学习的船舶能耗智能预测方法验证分析

船舶能耗智能预测是实现船舶能效智能评估与优化决策的基础和前提。大数据、人工智能、机器学习等新兴技术促进了船舶能耗预测方法的不断发展,为分析不同基于机器学习的船舶能耗预测算法的预测精度与效果,进行了不同预测算法的实例验证分析。结合船舶油耗及其影响因素实船采集数据,通过采用不同机器学习算法对船舶能耗进行预测分析,验证了各算法的特点和优势,从而为选择合适的船舶能耗预测算法提供参考。     

动态船舶领域模型在AIS环境下的避碰决策研究的应用

在现代海洋贸易中,各种大型的船舶需要航行在有限的航道上,随之而来的是海洋交通事故也变得更加频繁,这给船运行业带来了巨大的经济损失,为了有效降低事故的发生率,人们采用了各种先进的自动化系统,如AIS系统,结合智能避碰算法来模拟船舶的运行动态,通过提升船舶自身的航行预测能力,有效减少了事故的发生。本文首先建立了船舶的动态模型,通过AIS决策系统进行辅助定位,然后采用避碰算法,进一步降低了定位误差,在提高了船舶航行效率的基础上,改善了船舶的航行安全性能。最后通过仿真对船舶的综合避碰性能进行验证,并与拟合值进行了比对分析。     

船舶操控系统中的运动时间序列模糊推理及预报研究

在船舶的自动化操控系统中,采用智能化的运动时间管理能够极大限度提高船舶航行的安全性,同时也能够降低船员的工作强度。本文主要针对船舶运动的预测技术进行研究,采用先进的模糊推理控制算法,重点解决船舶运动的误差问题。文中对船舶运动的时间序列进行建模分析,并主要从非平稳时间序列的角度分析船舶运动控制中遇到的难题,最后对运动预测进行误差分析与仿真。     

机动情况下组合导航系统的预测精度研究

现代的船舶导航系统能够在复杂的海洋环境中实现精确的定位和导航,但当船舶处于高速机动状态时,船舶的运动状态和姿态控制系统的精确度却没有明显改善。因此,本文结合GPS导航系统,对快速运动时的船舶定位技术进行深入研究,并结合灰色小波算法和卡尔曼滤波技术,改善船舶在高速航行时的预测精度,通过建立精准的仿真验证平台,对基于该算法的预测精度进行比较研究。实验结果表明,小波算法对原始序列算法能够有效提高系统的预测精度。