國(guó)際商貿(mào)的頻繁往來(lái),帶動(dòng)航運(yùn)業(yè)的發(fā)展,使得越來(lái)越多的船只加入到水上運(yùn)輸中,讓一些航道、港池等交通密集的水域交通更加繁忙,船只密度的增加使船舶之間的距離變小,增大了碰撞、擱淺等事故發(fā)生的可能性。為了減少海上事故的發(fā)生率,提高船舶航行安全,不僅相關(guān)部門需要進(jìn)一步加強(qiáng)對(duì)船只航行過程進(jìn)行監(jiān)管引導(dǎo),并且每一艘航行船舶也需要通過各種助航儀器設(shè)備了解本船及它船的航行趨勢(shì),從而進(jìn)行合理的船舶操縱。而這一切的一個(gè)重要前提是預(yù)知船舶未來(lái)一段時(shí)間的運(yùn)動(dòng)趨勢(shì),包括航跡、航速,航向等船舶動(dòng)態(tài)航行要素,其中航跡信息最為重要,因此出現(xiàn)了航跡推算、航跡預(yù)測(cè)方法來(lái)預(yù)知船舶的位置。在以建立船舶運(yùn)動(dòng)數(shù)學(xué)模型的航跡推算方法中,模型的建立需要用到較多的船舶固有參數(shù)及外界環(huán)境參數(shù),而船舶參數(shù)會(huì)因船型和裝載不同產(chǎn)生變化,外界環(huán)境更是實(shí)時(shí)的發(fā)生變化,因此模型沒有很好的泛化性,難以應(yīng)用到其他船舶。此外模型的使用也面臨著計(jì)算復(fù)雜、只能用于船舶直線航跡推算等諸多問題,因此航跡推算在航海實(shí)踐中操作過于繁瑣、局限性強(qiáng)。神經(jīng)網(wǎng)絡(luò)的應(yīng)用很好的解決了這一難題,使得航跡預(yù)測(cè)可以在不建立相關(guān)的數(shù)學(xué)模型就可預(yù)測(cè)船舶的軌跡,航跡預(yù)測(cè)通過收集到的航行信息時(shí)間... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１船舶平面坐標(biāo)示意圖??Ｆｉｇ．?２．１，?Ｐｌａｎｅ?ｃｏｏｒｄｉｎａｔｅ?ｓｙｓｔｅｍ?ｄｉａｇｒａｍ??

?基于優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的船舶航跡預(yù)報(bào)???（１）船舶航跡點(diǎn)漂移??如圖２．?３所示，船舶航跡點(diǎn)漂移是指間隔時(shí)間較小的兩個(gè)軌跡點(diǎn)出現(xiàn)了軌跡大幅度??偏移的情況，而軌跡數(shù)據(jù)的大幅度偏移影響了航線分析，可能會(huì)誤導(dǎo)航跡預(yù)測(cè)的結(jié)果，??對(duì)于出現(xiàn)的航跡偏移現(xiàn)象使用線性擬合的方式進(jìn)行修正［６４］。??根據(jù)船舶軌跡點(diǎn)前后變化規(guī)律識(shí)別軌跡的偏移，設(shè)當(dāng)前軌跡點(diǎn)為ｒ，，若當(dāng)前軌跡??點(diǎn)ｒ，■與及７Ｖ／的距離很大，且變化不符合船舶的航行特征，則認(rèn)為是ｒ，？為航跡偏??移點(diǎn)。??〇〇〇〇??Ｑ）?ｗ?Ｑ線性擬合點(diǎn)??°?°?Ｏ??〇??軌跡漂移點(diǎn)??圖２．３航跡點(diǎn)漂移示意圖??Ｆｉｇ．?２．３，?Ｄｉａｇｒａｍ?ｏｆ?ｔｒａｃｋ?ｐｏｉｎｔ?ｄｒｉｆｔ??（２）船舶航跡點(diǎn)缺失??航跡點(diǎn)缺失指在一段完整的航跡信息中，出現(xiàn)了空白時(shí)間點(diǎn)，而過多的航跡點(diǎn)信息??缺失會(huì)影響了分析的準(zhǔn)確性，對(duì)于損失了過多航跡點(diǎn)的航跡無(wú)法進(jìn)行完善應(yīng)直接拋棄??如圖２．?４所示，航跡點(diǎn)缺失過多的航跡（紅色虛線為缺失航跡點(diǎn)），使的無(wú)法還原??真實(shí)的航跡。??〇??〇?’〇?〇??〇??圖２．４航跡點(diǎn)缺失示意圖??Ｆｉｇ．?２．４，?Ｄｉａｇｒａｍ?ｏｆ?ｔｒａｃｋ?ｐｏｉｎｔ?ｍｉｓｓｉｎｇ??二、航行數(shù)據(jù)修補(bǔ)方法??對(duì)于航跡點(diǎn)缺失較少，可以通過軌跡分析插入軌跡點(diǎn)完善的，則應(yīng)予以保留并完善??航跡，時(shí)間序列缺失數(shù)值插補(bǔ)，常用的方法有均值插值法、同類均值法、極大似然估計(jì)??插補(bǔ)等方法［６６］。??－１０?－??

?基于優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的船舶航跡預(yù)報(bào)???（１）船舶航跡點(diǎn)漂移??如圖２．?３所示，船舶航跡點(diǎn)漂移是指間隔時(shí)間較小的兩個(gè)軌跡點(diǎn)出現(xiàn)了軌跡大幅度??偏移的情況，而軌跡數(shù)據(jù)的大幅度偏移影響了航線分析，可能會(huì)誤導(dǎo)航跡預(yù)測(cè)的結(jié)果，??對(duì)于出現(xiàn)的航跡偏移現(xiàn)象使用線性擬合的方式進(jìn)行修正［６４］。??根據(jù)船舶軌跡點(diǎn)前后變化規(guī)律識(shí)別軌跡的偏移，設(shè)當(dāng)前軌跡點(diǎn)為ｒ，，若當(dāng)前軌跡??點(diǎn)ｒ，■與及７Ｖ／的距離很大，且變化不符合船舶的航行特征，則認(rèn)為是ｒ，？為航跡偏??移點(diǎn)。??〇〇〇〇??Ｑ）?ｗ?Ｑ線性擬合點(diǎn)??°?°?Ｏ??〇??軌跡漂移點(diǎn)??圖２．３航跡點(diǎn)漂移示意圖??Ｆｉｇ．?２．３，?Ｄｉａｇｒａｍ?ｏｆ?ｔｒａｃｋ?ｐｏｉｎｔ?ｄｒｉｆｔ??（２）船舶航跡點(diǎn)缺失??航跡點(diǎn)缺失指在一段完整的航跡信息中，出現(xiàn)了空白時(shí)間點(diǎn)，而過多的航跡點(diǎn)信息??缺失會(huì)影響了分析的準(zhǔn)確性，對(duì)于損失了過多航跡點(diǎn)的航跡無(wú)法進(jìn)行完善應(yīng)直接拋棄??如圖２．?４所示，航跡點(diǎn)缺失過多的航跡（紅色虛線為缺失航跡點(diǎn)），使的無(wú)法還原??真實(shí)的航跡。??〇??〇?’〇?〇??〇??圖２．４航跡點(diǎn)缺失示意圖??Ｆｉｇ．?２．４，?Ｄｉａｇｒａｍ?ｏｆ?ｔｒａｃｋ?ｐｏｉｎｔ?ｍｉｓｓｉｎｇ??二、航行數(shù)據(jù)修補(bǔ)方法??對(duì)于航跡點(diǎn)缺失較少，可以通過軌跡分析插入軌跡點(diǎn)完善的，則應(yīng)予以保留并完善??航跡，時(shí)間序列缺失數(shù)值插補(bǔ)，常用的方法有均值插值法、同類均值法、極大似然估計(jì)??插補(bǔ)等方法［６６］。??－１０?－??

【參考文獻(xiàn)】：
期刊論文
[1]基于DE-SVM的船舶航跡預(yù)測(cè)模型[J]. 劉嬌,史國(guó)友,楊學(xué)錢,朱凱歌.  上海海事大學(xué)學(xué)報(bào). 2020(01)
[2]基于改進(jìn)支持向量機(jī)（SVM）模型的荊州港吞吐量預(yù)測(cè)[J]. 陳旭,李典,張利華,王晶,羅小紅,張威.  水運(yùn)工程. 2020(03)
[3]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的船舶航跡預(yù)測(cè)[J]. 胡玉可,夏維,胡笑旋,孫海權(quán),王云輝.  系統(tǒng)工程與電子技術(shù). 2020(04)
[4]基于LSTM的船舶航跡預(yù)測(cè)[J]. 陳凱達(dá),朱永生,閆柯,蔡依青,任智軍,高大為.  船海工程. 2019(06)
[5]全卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 章琳,袁非牛,張文睿,曾夏玲.  計(jì)算機(jī)工程與應(yīng)用. 2020(01)
[6]基于AIS數(shù)據(jù)和LSTM網(wǎng)絡(luò)的船舶航行動(dòng)態(tài)預(yù)測(cè)[J]. 任宇翔,趙建森,劉衛(wèi),王勝正,韋雨含.  上海海事大學(xué)學(xué)報(bào). 2019(03)
[7]基于長(zhǎng)短記憶網(wǎng)絡(luò)的艦船航跡預(yù)測(cè)方法[J]. 楊金鴻,皇甫立,熊璋,許松,王新遠(yuǎn).  艦船電子工程. 2019(08)
[8]卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化綜述[J]. 林景棟,吳欣怡,柴毅,尹宏鵬.  自動(dòng)化學(xué)報(bào). 2020(01)
[9]基于CNN-LSTM混合神經(jīng)網(wǎng)絡(luò)模型的短期負(fù)荷預(yù)測(cè)方法[J]. 陸繼翔,張琪培,楊志宏,涂孟夫,陸進(jìn)軍,彭暉.  電力系統(tǒng)自動(dòng)化. 2019(08)
[10]時(shí)間序列預(yù)測(cè)方法綜述[J]. 楊海民,潘志松,白瑋.  計(jì)算機(jī)科學(xué). 2019(01)

碩士論文
[1]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)方法研究[D]. 張旭.南京大學(xué) 2019
[2]基于海量AIS數(shù)據(jù)的內(nèi)河船舶航跡預(yù)測(cè)[D]. 陳志華.武漢理工大學(xué) 2018
[3]基于AIS的船舶軌跡分析的研究與應(yīng)用[D]. 楊博辰.電子科技大學(xué) 2018
[4]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的推薦算法研究[D]. 李光.哈爾濱工程大學(xué) 2017
[5]基于AIS數(shù)據(jù)的船舶航行軌跡預(yù)測(cè)[D]. 羅永豪.華南理工大學(xué) 2017
[6]基于AIS數(shù)據(jù)的船舶航線挖掘[D]. 劉敦偉.大連海事大學(xué) 2017
[7]基于LSTM的艦船運(yùn)動(dòng)姿態(tài)短期預(yù)測(cè)及仿真研究[D]. 王國(guó)棟.江蘇科技大學(xué) 2017
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D]. 謝寶劍.合肥工業(yè)大學(xué) 2015
[9]基于電子海圖的AIS導(dǎo)航技術(shù)的研究[D]. 劉楊.大連海事大學(xué) 2014
[10]應(yīng)用AIS信息實(shí)現(xiàn)瓊州海峽VTS船舶交通智能管理的研究[D]. 孫苗.集美大學(xué) 2014



本文編號(hào)：3255872