排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
为对渔船安全技术状况进行客观评估,提出了基于粗糙集的渔船安全技术状况评估方法。通过遗传算法对粗糙集属性约简进行改进,利用属性依赖度计算属性核,同时在种群初始化时引入属性核计算个体适应度,动态调整适应度函数以获得最小属性约简。算法根据属性重要度确定指标权重并获得综合评估结果,按照生成的规则知识库进行了规则挖掘。试验表明:该方法可以有效地降低评估运算量,同时规则知识库的建立为渔船安全技术状况评估提供了基础依据。 相似文献
3.
国内外海上救助分级体系分析 总被引:1,自引:0,他引:1
一、我国海上救助分级体系概况从我国现有的与海上救助相关的规定中可以看出,我国当前关于海上救助的分级主要体现在两个方面:一是在《国家海上搜救应急预案》(以下简称《搜救预案》)中体现出的对海上救助的管理性分级;二是针对某遇险事件的海上救助事故性(主要是危险性)分级。(一)海上救助的管理性分级由于我国实行的是由交通部中国海上搜救中心、省级海上搜救中心和海上搜救分支机构三级搜救指挥协调机构组成的海上救助主管协调机制,因此,我国海上救助的分级中存在着对海上救助的管理性分级。我国《搜救预案》中提到的海上救助行动的分级… 相似文献
4.
5.
利用深度学习方法预测船舶未来航行趋势,对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统(AIS)中已知的经度、纬度、航速数据基础上,提出一种基于门控循环单元结合双卷积层长短期记忆神经网络(GRU-Dconv LSTM)预测模型。根据原始数据的变化趋势,采用标准差法对数据中的异常值进行处理,得到最终试验数据。该模型一方面通过门控循环单元(GRU)学习船舶历史数据上的运动规律;并采用双卷积层与长短期记忆神经网络(LSTM)结合的形式充分提取数据深层信息,提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络(CNN-LSTM)、卷积门控循环神经网络(CNN-GRU)以及卷积层长短期记忆(Conv-LSTM)神经网络等3个模型进行对比,将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准,结果表明,GRU-Dconv LSTM模型在经度和纬度预测上误差较小,精确度较高。 相似文献
1