共查询到19条相似文献，搜索用时 672 毫秒
1.
基于减聚类ANFIS模型的船舶横摇运动实时预测 总被引：2，自引：0，他引：2
为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度. 相似文献
2.
为解决船舶自动识别系统(automatic identification system, AIS)数据挖掘不够充分,对航路辨识分析不够全面等问题,提出一种基于改进谱聚类算法的数据挖掘方式。利用Sliding Window算法对船舶轨迹AIS数据进行压缩,减少数据冗余提高聚类效率。改进亲和距离函数,提出新的亲和矩阵的标准,提高聚类的稳定性,进一步对数据去噪,减少噪声敏感。通过优化初始中心对k均值算法进行改进,优化全局搜索能力,缓解初始值的选取对聚类效果的影响。以天津港AIS数据为样本进行算法验证。结果表明,该聚类算法能准确提取和划分某水域船舶主要航迹段,算法消耗系统资源少,计算速度快。改进后的算法可为航路辨识、分道通航制定等提供理论支持。 相似文献
3.
为保障桥区水域安全,提出一种基于船舶自动识别系统(automatic identification system, AIS)数据的桥区水域船舶异常行为检测方法。先将轨迹数据按航向分组,再利用三次样条插值和卡尔曼滤波算法对轨迹数据进行插值和去噪,最后从处理后的轨迹数据中提取船舶加速度和转向率的阈值。通过实验得到研究水域内沿东南、西北方向航行的船舶的加速度、转向率阈值,并证明利用这些参数的阈值能有效识别船舶异常行为。 相似文献
4.
船舶安全航行系统风险分级ANFIS模型 总被引：1，自引：0，他引：1
为准确实现对在航船舶的风险评估,建立船舶安全航行系统风险分级ANFIS模型.该方法分层列出4级影响船舶风险值的风险因素,通过模糊推理系统初步定义各项风险因素的隶属度模型.根据建立的模型和典型在航船舶历史数据,运用模糊神经网络的自学习性对模型进行修正,最终实现对船舶风险的客观评估.得到的数据对比图及误差图分析表明,该方法能够使典型数据充分加入,有效克服建模中的主观影响,并在合理的误差范围内较客观地评估在航船舶整体风险. 相似文献
5.
为提高长山水道船舶交通流量的预测精度，对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上，通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测. 相似文献
6.
针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统（automatic identification system, AIS）数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。 相似文献
7.
基于AIS数据的船舶运动模式识别与应用 总被引：1，自引：0，他引：1
船舶运动模式的提取是轨迹数据分析的重要任务，它可以为船舶异常行为的检测提供参考依据，同时也可以作为航路规划和定线制设计的技术指标.针对现存的聚类算法大多为了追求效率而忽略了运动轨迹特征的问题，对聚类算法中的轨迹结构距离进行改进，将其作为轨迹相似度的评价标准.采用无监督DBSCAN聚类算法实现船舶运动模式的提取.利用琼州海峡船舶自动识别系统（Automatic Identification System, AIS）数据，对该水域的船舶运动模式进行提取，获得行驶于该水域的船舶运动轨迹分布以及各类轨迹中转向区域的分布，其中船舶运动轨迹包括从琼州海峡东峡口向西航行的船舶轨迹，从琼州海峡西峡口向东航行的船舶轨迹，从秀英港前往海安港的船舶轨迹，从海安港前往秀英港的船舶轨迹和从琼州海峡东峡口前往海口港的船舶轨迹.将最终的聚类结果应用于电子海图显示与信息系统（Electronic Chart Display and Information System, ECDIS）上，实现了对船舶的动态监控仿真. 相似文献
8.
为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的. 相似文献
9.
《上海海事大学学报》2021,(3)
针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统(automatic identification system, AIS)数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。 相似文献
10.
聚类是人类一项最基本的认识活动 ,通过适当的聚类 ,事物才便于研究 ,事物的内部规律才可能为人类所掌握。但是 ,由于人们不总是能对客观世界进行精确的描述 ,很多信息和数据都是不确定的、模糊的。为了处理模糊数据 ,把模糊性引入数据库系统中 ,从而形成了模糊关系数据库。本文对模糊关系数据库下的基于距离函数的聚类算法进行了研究 ,并通过例子来说明如何建立和应用这种数据挖掘模型 相似文献
11.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
12.
为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。 相似文献
13.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
14.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 相似文献
15.
由于恒值空调已经不能满足船舶舱室人员的热舒适要求,运用遗传算法求解热舒适方程,并提出利用遗传算法改进神经网络的船舶舱室热舒适预测模型。仿真结果表明,该模型具有良好的仿真性能,预测准确性高。该模型对提升船舶舱室的环境质量和提高船舶工作人员及乘客的热舒适度起到很大的帮助。 相似文献
16.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
17.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
18.
针对海上风浪环境对船舶航行的干扰，利用遗传神经网络优化算法设计船舶航向控制器。利用分布式遗传算法（distributed genetic algorithm,DGA）并结合模拟退火算法对常规遗传算法(genetic algorithm,GA)进行改进。利用改进的GA对径向基函数(radical basis function,RBF)神经网络进行优化。利用优化的RBF神经网络对系统不确定项进行逼近，并对控制输入进行补偿实现抗饱和控制。利用三阶干扰观测器对外部扰动实时跟踪并反馈到滑模控制器(sliding mode controller,SMC)设计中。借助SMC设计并结合李雅普诺夫稳定性理论推算出船舶运动控制律，实现船舶运动优化控制。通过实验验证了本文设计的控制器性能较现有的模糊PID控制器和神经网络SMC优越，系统达到稳定的时间短，平均超调量小。 相似文献
19.
为提高惯性导航系统(inertial navigation system, INS)与全球卫星导航系统(global navigation satellite system, GNSS)相结合的组合导航系统在GNSS中断期间的精度,提出一种基于递归模糊小波神经网络(recurrent fuzzy wavelet neural network, RFWNN)的启发式神经网络结构,用于INS的速度和位置误差补偿。在GNSS正常工作时,利用INS-GNSS数据将RFWNN训练成一个高精度的预测模型;在GNSS中断期间,利用被训练好的RFWNN模型补偿INS的速度和位置误差。为对所提出的RFWNN辅助INS-GNSS的性能进行评估,进行实船试验,结果表明利用RFWNN能够有效地对GNSS中断时的速度和位置信息进行高精度修正。 相似文献