隨著水上施工項目的增多,施工通航水域船舶航行安全問題日益受到各界關注,作為通航受限水域,相比于其他普通水域,施工水域中航行的船舶往往面臨著更高的碰撞風險。為更好的保障船舶在施工水域的安全航行,本文對單船在施工水域船舶碰撞事故的預警方法進行了探索和研究,提出了基于船舶航行行為預測及船舶碰撞風險評估的施工水域船舶碰撞風險預警方法,具體研究工作如下:（1）總結分析了施工水域船舶碰撞風險,并通過總結查閱國內(nèi)外關于水上交通安全預警的文獻,結合預警理論確定施工水域船舶碰撞風險預警范圍及流程。（2）根據(jù)預警流程,先建立船舶航行行為預測模型。以船舶真實AIS數(shù)據(jù)作為數(shù)據(jù)源,預測船舶航向、航速、經(jīng)度、緯度四項指標,在傳統(tǒng)極限學習機預測模型的基礎上通過增設船舶轉向及變速閾值來自動調(diào)整采樣周期,從而提高船舶航行狀態(tài)改變時的預測精度,并通過仿真實驗與BP神經(jīng)網(wǎng)絡、多變量灰色預測模型進行誤差對比及顯著性檢驗,證明該模型預測效果較優(yōu)、預測誤差滿足預警模型的要求。（3）根據(jù)施工水域通航環(huán)境特點選取合適的船舶領域模型,在此基礎上將最小會遇距離、最短會遇時間、船速比、相對距離、相對航向作為船舶碰撞風險評估指標,建立船舶... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖１．１技術路線圖??Ｆｉｇ．?１．１?Ｔｈｅ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏａｄｍａｐ??

?大連海事大學專業(yè)學位碩士學位論文???含層節(jié)點時的網(wǎng)絡均方誤差（ＭＳＥ）結果如圖３．７所示。??隱含層節(jié)點個數(shù)設置為１８時，網(wǎng)絡訓練均方誤差最小，由于本文是通過對訓練樣??本的在線訓練從而進行實時預測，因此在設定訓練樣本的數(shù)量時，既要保證預測精度又??要保證樣本的有效性，因此在每次預測前選取前３６ｍｉｎ?（正常航行時）或７．２ｍｉｎ?（航行??狀態(tài)改變時）的航跡數(shù)據(jù)作為訓練樣本，每組航跡數(shù)據(jù)的個數(shù)設置為１５個，可分為８??個樣本，取前７個樣本作為訓練樣本訓練神經(jīng)網(wǎng)絡，第８個樣本作為預測樣本以預測未??來３ｍｉｎ船舶航跡。??１８??１４?■?／?＼??Ｌ，??－）?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?￣???４?６?８?１０?１２?１４?１６?１８?２０??隱層節(jié)點個數(shù)／個??圖３．?７不同隱層節(jié)點數(shù)的網(wǎng)絡均方誤差對比??Ｆｉｇ．?３．７?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｎｅｔｗｏｒｋ?ｍｅａｎ?ｓｑｕａｒｅ?ｅｒｒｏｒ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｈｉｄｄｅｎ?ｎｏｄｅｓ．??（２）數(shù)據(jù)處理??本文以瓊州海峽某日多艘船舶的ＡＩＳ數(shù)據(jù)作為實驗數(shù)據(jù)進行船舶航行行為預測實??驗。由于船舶ＡＩＳ設備發(fā)射動態(tài)數(shù)據(jù)的頻率取決于船舶航行速度，該船舶的航速區(qū)間為??０．１？１６．１ｋｎ，此時ＡＩＳ動態(tài)數(shù)據(jù)的實際發(fā)射頻率為５ｓ？３ｍｉｎ不等。為保證預測時間間??隔的一致性，對于某時間點丟失、未記錄的航跡數(shù)據(jù)采用線性插值法進行填充。??為了在保持輸入數(shù)據(jù)間相關性的前提下，消除輸入數(shù)據(jù)間由量綱差異較大引起的網(wǎng)??絡預測誤差，需要對輸入數(shù)據(jù)進行歸一化處理，對輸出數(shù)據(jù)進行反歸一化處理。本文采??用公式（３．２４）處理數(shù)據(jù)，輸入數(shù)據(jù)經(jīng)處理后處于［０

?施工水域船舶碰撞風險預警研究???一化處理后的數(shù)據(jù)，這里將少＾設為１，＞＾ｉｎ設為０。??將處理后的數(shù)據(jù)代入構建的ＥＬＭ網(wǎng)絡進行預測后，需要將輸出數(shù)據(jù)根據(jù)公式進行??相應的反歸一化處理，得到實際船舶運動預測值。??（３）仿真結果分析??在該航跡實驗中對該船進行為期ｌ〇ｈ的跟蹤預測，此時＆尸２００，海圖上顯示的船??舶的實際航跡及預測航跡分別如圖３．８、３．９所示，訓練及測試時間共計４６．９ｓ。??＇?－＊?－?ｔ±ａ??＆．??、?、？?ｉ?＇?Ｌ?＂?ｆａ??＊．?？＊？?ｆｉ．?Ｓｔ??丨??Ｉ？電＊７：??Ｉ?．，：基．．分???????植雜＾…??Ｉ?－?，?１?ｉ??［｜?＿?．???Ｉ??ＪＦ?Ｉ?＿＿?Ｉ??ｉ?ｔｔＭＲ?ｕｉ＂ｉｍｉ?ｗｗｈ＊ｔｉｉｗ?Ｍｉｉ－Ｍ／ｔｗ＊＊?ａｍａａｍｍｊ??圖３．?８實際航跡??Ｆｉｇ．?３．８?Ａｃｔｕａｌ?ｔｒａｃｋ??ｆ——ＴＵ：礙釋??＿?ｊＷ＇?：?］?！??ｆ努?一?ｚ?＼??ｖ?ｕ＇?ｆ?Ｚ?１??（ｊ．＇：?ｉ??，！?？＊＊＊?＾５．?…Ｈ??；丨?％＾二】（??＾?＂?ｊ??（：＇－?ｉ??二?????—????二?￡：?—??—?ｊ??圖３．?９預測航跡??Ｆｉｇ．?３．９?Ｐｒｅｄｉｃｔｉｏｎ?ｔｒａｃｋ??－２６－??

【參考文獻】：
期刊論文
[1]層次分析法和極限學習機的船舶通航風險評估模型[J]. 董海亮,王宏波,董亞力.  艦船科學技術. 2018(22)
[2]能見度不良天氣下海上交通安全風險預警系統(tǒng)[J]. 戴厚興,吳兆麟.  交通運輸工程學報. 2018(05)
[3]基于區(qū)間灰數(shù)序列的多變量灰色預測模型[J]. 熊萍萍,張悅,姚天祥,曾波.  數(shù)學的實踐與認識. 2018(09)
[4]基于模糊理論的船舶復合碰撞危險度計算[J]. 胥文,胡江強,尹建川,李可.  艦船科學技術. 2017(13)
[5]基于BP神經(jīng)網(wǎng)絡的空中目標航跡預測模型[J]. 錢夔,周穎,楊柳靜,謝榮平,何錫點.  指揮信息系統(tǒng)與技術. 2017(03)
[6]基于AIS信息和BP神經(jīng)網(wǎng)絡的船舶航行行為預測[J]. 甄榮,金永興,胡勤友,施朝健,王勝正.  中國航海. 2017(02)
[7]利用Mehra自適應卡爾曼濾波進行船舶跟蹤預測[J]. 胡春芬.  艦船科學技術. 2016(22)
[8]基于AIS數(shù)據(jù)的船舶運動模式識別與應用[J]. 魏照坤,周康,魏明,史國友.  上海海事大學學報. 2016(02)
[9]基于灰云模型的海上交通系統(tǒng)風險推理方法[J]. 龔慧佳,軒少永,胡甚平,YANG Zaili.  中國航海. 2016(02)
[10]經(jīng)濟新常態(tài)下商業(yè)銀行風險預警系統(tǒng)研究[J]. 丁德臣.  宏觀經(jīng)濟研究. 2016(04)

博士論文
[1]船舶避碰決策數(shù)學模型的研究[D]. 孫立成.大連海事大學 2000

碩士論文
[1]廣州港水域船舶交通危險預警研究[D]. 湯斯敏.集美大學 2018
[2]基于AIS數(shù)據(jù)的橋區(qū)水域船舶碰撞預警系統(tǒng)的研究與實現(xiàn)[D]. 魏曉陽.武漢理工大學 2017
[3]基于貝葉斯網(wǎng)絡的船撞橋風險評估研究[D]. 楊祥睿.重慶交通大學 2015
[4]復雜海上工程施工期的通航安全動態(tài)風險評價模型研究[D]. 王群朋.武漢理工大學 2014
[5]海上運輸通道風險分析及預警模型[D]. 張帥.大連海事大學 2011
[6]內(nèi)河運輸安全預警研究[D]. 金娥.武漢理工大學 2008



本文編號：3609232