大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

地铁车辆车体刚性称重试验台加垫调平改进算法

针对现有刚性称重试验台,建立地铁车辆车体称重模型,并介绍了调平刚度矩阵算法。结合现场数据验证了车体称重模型及调平刚度矩阵算法的正确性。提出了现有车体称重试验台加垫调平的改进算法。经验证,该改进算法无需大量迭代计算,即能直接找出满足要求的加垫量范围,节约了计算时间。     

海上搜救最优路线规划模型设计与仿真

随着人类海洋活动的频繁、气候环境的复杂多变,海上事故频发,而海上救援最关键的是要在最短时间到达搜救点。海上搜索最短路径还受到障碍物、地理环境、天气等条件影响,是一个多条件全局最优问题。本文研究了基于蚁群算法的Dijkstra求解方法,寻找多条件约束下的海上搜救最短路径的全局最优解,最后对算法进行了仿真并与其他路径规划算法做了比较。     

云计算下海上多来源传输数据分类存储方法

针对传统的数据存储方法存储数据时负荷消耗过大的问题,研究云计算下海上多来源传输数据分类存储方法。使用小波变换对海上多来源传输数据去噪,根据计算数据间的支持度和相似度确定数据间的关联规则。利用后缀树聚类方法完成对数据的分类,确定分类后数据的存储位置,实现对分类数据的均衡负荷存储。通过与传统的应用MongoDB的数据存储方法的对比仿真实验,证明了云计算下海上多来源传输数据分类存储方法存储数据时的负荷消耗更少,具有优越性。