船舶岸电政策量化评价研究

为推进我国绿色港口建设,助力“双碳”目标的实现,国务院、各部委及地方政府先后颁布了32份推进船舶使用岸电的政策文件。针对不同主体政策的侧重点,文章基于内容分析结果建立政策一致性(PMC)指数模型,将船舶岸电政策分为强制命令类、补贴优惠类和引导鼓励类三种,从中各选两份政策文件作为评价对象,实证分析船舶岸电政策的合理性。结果表明,我国船舶岸电政策制定还需从三个方面进行改进：在国家层面上,政策制定需以强制命令为主,以补贴优惠、引导鼓励为辅;在地方层面上,政策制定需以国家政策为引领,统筹规划港口岸电发展方向;在相关部门任务协同上,政策制定需构建全覆盖、不重复的关系网络。     

基于KmeansSMOTE的损伤诊断模型性能提升及在斜拉桥中的应用

为解决损伤诊断数据集中损伤与未损伤类数据样本不平衡导致诊断模型预测结果不理想的问题,提出了一种诊断模型性能提升的新方法(V-KmeansSMOTE)。该方法在改进合成少数类过采样技术(KmeansSMOTE)方法的基础上结合方差过滤(variance filtering, VF)特征选择技术筛除位移、加速度等数据中的零方差特征并对筛选后的特征所对应的损伤类数据样本进行过采样处理,将该方法应用于一座H型斜拉桥作为数值算例。结果表明,支持向量机分类模型分类准确率、精确度和F1评分在数据集上平均提升分别为6.19%、7.93%和20.07%,K最近邻模型平均提升6.18%、7.23%和7.26%,验证了提出方法的有效性。     

数据整合中交互过滤扫描算法

当重复记录检测算法对大型数据库进行处理时,由于需要多次扫描数据库,时空消耗较大且效率较低。为了提高检测算法的效率,在区域无关扫描算法的基础上提出了交互过滤扫描算法。该算法在关键字排序上提出了按键盘字母顺序的排序规则,可缩小了重复记录之间的距离,减少比较次数。在两条记录应用字符串模糊匹配算法进行比较前,根据用户提供的相似度对数据库中的记录进行过滤处理。可避免数据库中差异度较大的两条记录在模糊匹配中的时间消耗。实验证明该算法的性能要优于区域无关扫描算法。     

基于位串数组的最大频繁项目集挖掘算法

在基于位串数组的数据挖掘算法的基础上，进一步提出了一种快速的基于位串数组的最大频繁项目集挖掘算法(BSA—MFIA)。通过两次扫描事务数据库D，生成完全由“0”、“1”构成的位串数组。它非常适合于压缩编码存储，可以有效得减少存储空间。然后在位串数组的基础上，通过简单的位运算，产生最大频繁项目集，实验结果表明此方法是快速有效的。     

基于改进Apriori算法的客户满意度评测研究及应用

在研究和分析现有的Apriori算法后,提出一种新的改进算法。该算法在哈希表存放数据库的基础上,采用二进制的改进模型。在统计查找频繁项集的支持计数中,通过二进制位与运算代替链表间查找相同内容的节点运算。为提高内存分配和释放效率,文中采用内存池技术,有效地减少内存碎片和缺页中断,采用二进制的改进模型和内存池技术相结合,明显提高了客户满意度评测系统的效率。     

数据挖掘技术在海流要素辅助船舶导航中的应用研究

海流对船舶导航、航行安全影响较大.本文在对海流研究成果和海洋环境数据库进行深入研究的基础上,详细考察了船舶在航行过程中对海流信息的应用环境及需求.为提高业务化应用能力,采用模式分析等数据挖掘技术,提出了实测数据融合的技术方案,给出了海流要素辅助船舶导航的应用模式.最后,以电子海图系统为平台,初步建立了海流要素辅助航迹模拟、船位校正等应用系统.     

数据挖掘技术在船舶电站设备故障分析中的应用

在船舶电站的设备管理作业中,由于其复杂程度变得越来越高,采用常规的控制技术已经不能够满足设备的控制管理要求,因此可以采用智能算法,对电站运行中产生的各种数据进行综合分析对比,找出潜在的故障发生机制,提高船舶电站的安全性。本文结合了数据挖掘技术,利用大数据统计原理,针对不同的船舶电站故障模型,提取出各个状态下的船舶电站运行机制,从而有效改善了船舶电站的故障预测和处理能力。     

数据挖掘技术在内河交通事故分析和预防中的应用

近年来内河船舶交通事故，特别是重特大恶性交通事故的接连发生，给人民的生命和财产安全带来了巨大的威胁。由于内河交通事故系统的高度复杂性，传统的分析预防方法已呈现其局限性。为克服事故数据库中数据多维、稀疏、不全等的不利影响，有效地识别和发现事故数据的新模式及其内在规律，提出我们应用数据挖掘技术全面整理、分析内河船舶交通事故的思想，并结合数据挖掘实现的方法和应用实例进行具体阐述，以期为船舶安全管理提供科学的决策依据。     

基于BP算法的交通流预测

探讨了基于人工神经网络的数据挖掘技术,对标准的BP算法进行了研究;针对现有人工神经网络中BP算法效率较低、容易陷入局部极小等问题,提出了一种改进的BP算法,并进行了分析测试。测试结果表明,改进的BP算法缩短了学习时间,提高了学习效率,在一定程度上避免了学习中局部极小问题的出现。     

城市快速路交通拥挤识别方法

为了从海量动态交通数据中快速识别路网中存在的交通拥挤,通过分析拥挤的特征模式和各种数据挖掘技术的特点后,设计了一种适用于城市快速路的交通拥挤自动识别方法。该方法将占有率、速度和流量三个基础交通流参数进行组合得到新的特征变量,运用优化的多层前馈神经网络模型对特征变量进行处理来判断是否有拥挤发生,通过分析模型输出结果的变化趋势区分常发性拥挤和偶发性拥挤。模拟数据和实测数据对比结果表明,该方法可以识别城市快速路上发生的交通拥挤,具有良好的实用性。