發(fā)布時(shí)間：2024-06-23 13:55

　　隨著我國航運(yùn)業(yè)的快速發(fā)展,水上交通流量快速增長。海事數(shù)據(jù)的種類、數(shù)量、共享范圍也在不斷的增加。傳統(tǒng)的監(jiān)管方法已經(jīng)難以滿足水上交通快速發(fā)展的需求。伴隨著海上事故的頻繁發(fā)生,人們開始研究如何用科學(xué)有效的手段來獲取數(shù)據(jù)信息。從而建立船舶航行安全評(píng)估機(jī)制,從根本上保障船舶的航行安全、減少海上交通事故的發(fā)生及保護(hù)海洋環(huán)境。針對現(xiàn)有VTS系統(tǒng)未能實(shí)現(xiàn)信息智能化處理,主要依靠人工監(jiān)管實(shí)現(xiàn)船舶航行安全評(píng)估的現(xiàn)狀。本文首先對VTS系統(tǒng)數(shù)據(jù)的類型、來源以及內(nèi)容進(jìn)行了分析研究。指出可基于海事數(shù)據(jù)實(shí)現(xiàn)VTS系統(tǒng)智能化評(píng)估船舶航行安全狀況,并對海事數(shù)據(jù)進(jìn)行了預(yù)處理。然后通過分析目前常用的安全評(píng)估算法的優(yōu)缺點(diǎn),結(jié)合VTS系統(tǒng)數(shù)據(jù)的特點(diǎn)。提出利用大數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)智能化船舶航行安全狀況的評(píng)估。具體選取數(shù)據(jù)挖掘技術(shù)中的支持向量回歸算法(Support Vector Machines for Regression,SVR)作為船舶航行安全評(píng)估算法。最終構(gòu)建了一種基于大數(shù)據(jù)的船舶航行安全評(píng)估模型,并通過仿真實(shí)驗(yàn)與當(dāng)下常用的極限學(xué)習(xí)機(jī)(Extreme learning machine,ELM)算法進(jìn)行對比分析。實(shí)驗(yàn)結(jié)果表明...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１依據(jù)數(shù)據(jù)性質(zhì)方法的數(shù)據(jù)分類??Ｆｉｇ．?２．１?Ｄａｔａ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｂａｓｅｄ?ｏｎ?ｄａｔａ?ｎａｔｕｒｅ?ｍｅｔｈｏｄ??

有必要。通過預(yù)處理將這些數(shù)??據(jù)處理成信息價(jià)值密度高、標(biāo)準(zhǔn)規(guī)范化的數(shù)據(jù)，突顯了數(shù)據(jù)的特征性和可用性。本文將??依據(jù)數(shù)據(jù)的來源、類型等對數(shù)據(jù)進(jìn)行分析，在此基礎(chǔ)上對該數(shù)據(jù)進(jìn)行采集、存儲(chǔ)和處理。??從而獲得具有明顯信息特征、統(tǒng)一化的數(shù)據(jù)，為后續(xù)的研究提供有效的數(shù)據(jù)支持。??２．１數(shù)據(jù)的....

圖２．?２網(wǎng)絡(luò)爬蟲基本工作原理??Ｆｉｇ．?２．２?Ｂａｓｉｃ?ｗｏｒｋｉｎｇ?ｐｒｉｎｃｉｐｌｅ?ｏｆ?ｗｅｂ?ｃｒａｗｌｅｒ??－１２?－??

?大數(shù)據(jù)在船舶航行安全評(píng)估的應(yīng)用研宄???廣度優(yōu)先遍歷策略是指按照數(shù)據(jù)的層次順序?qū)ο鄳?yīng)網(wǎng)頁進(jìn)行爬齲若未能對同一層??次的數(shù)據(jù)爬取完成，則不能對下層數(shù)據(jù)進(jìn)行爬齲因此也稱之為分層處理。但是該方法??不具備邏輯性，對數(shù)據(jù)盲目爬齲未能考慮到數(shù)據(jù)的存儲(chǔ)位置，而是對網(wǎng)頁的所有信息?－??進(jìn)行....

圖２．?３船舶航疔安全影響指標(biāo)體系??Ｆｉｇ．?２．３?Ｓｈｉｐ?ｎａｖｉｇａｔｉｏｎ?ｓａｆｅｔｙ?ｉｍｐａｃｔ?ｉｎｄｅｘ?ｓｙｓｔｅｍ??

?大連海事大學(xué)碩士學(xué)位論文???船舶航行安全影響指標(biāo)???＾＾??—＝＝＊???船員因盍?船舶《素?通航環(huán)境因素?水文氣象閔素??通??船?航?船?船??＾?船?船?＊?航船?助??ｇ?Ｓ?ｇ?Ｓ?，舶？?？?？?舶?Ｉ?４ｔ?ｗ潮駕??２?Ｓ?Ｓ?＾?＾?Ｒ?＊?＾?＆?Ｋ?？....

圖３．?１?ＰＳＯ－ＳＶＲ算法流程圖ｉ??Ｆｉｇ．?３．１?Ｆｌｏｗ?Ｃｈａｒｔ?ｏｆ?ＰＳＯ－ＳＶＲ?Ａｌｇｏｒｉｔｈｍ??其具體操作流程如下所示：??

?大連海事大學(xué)碩士學(xué)位論文???ＳＶＲ算法部分??｜￣￣輸入數(shù)據(jù)￣￣｜?｜￣粒子和速度初始化｜?｜???ｉ???Ｉ???數(shù)據(jù)預(yù)處理＂Ｉ?？?１?獲�。椋鹗贾�???？粒子適應(yīng)度值計(jì)算??Ｉ??？！?獲取最＾參數(shù)ｃ＆ｇ?—??｜根據(jù)粒子的適應(yīng)度值?Ｊ￣??更新粒子個(gè)體最優(yōu)值?構(gòu)造ＳＶ....

本文編號(hào)：3995565