基于贝叶斯网络的船舶航行安全性预测
发布时间：2021-12-18 06:39
船舶在水上航行时,一旦发生安全事故,后果非常严重。为降低船舶航行过程中安全事故的发生几率,应当对航行安全性进行预测。贝叶斯网络在不确定性问题的解决中具有良好的适用性,而船舶航行安全性预测属于典型的不确定性问题。因此,在该问题的解决中可对贝叶斯网络进行合理运用。基于此,本文从船舶航行安全性的影响因素分析入手,论述了基于贝叶斯网络的船舶航行安全性预测方法,并提出提高船舶航行安全的建议。
【文章来源】：舰船科学技术. 2020,42(12)北大核心
【文章页数】：3 页
【部分图文】：
贝叶斯网络的推理算法Fig.2InferencealgorithmofBayesiannetwork
风险因素的先验概率进行预估，便可预测出船舶航行中可能遇到的风险。BN推理最为突出的特点在于能够对指定条件下的风险进行预测，作为一种概率推理方法，可用其解决船舶航行安全性预测问题，在特定的情况下，BN除了能够对整体风险状况进行准确预测之外，还能对极限情况下的风险发生概率进行预测，由此为风险规避提供了可靠依据。图3船舶航行安全性预测的贝叶斯网络结构Fig.3Bayesiannetworkstructureofshipnavigationsafetyprediction图4船舶航行风险贝叶斯网络推理模型与结果Fig.4Bayesiannetworkreasoningmodelandresultsofshipnavigationrisk2.4船舶航行安全性的提升建议船舶在海面上航行时，安全性尤为重要，通过贝叶斯网络对航行安全性进行预测后，可以得到相应的风险等级，风险等级越高，表明发生安全事故的可能性越大，且事故后果越严重。所以，需要针对较高的风险等级进行有效的防范措施，下面提出几点提高船舶航行安全性的建议。自然因素对船舶航行的安全性具有一定的影响，比如能见度、风等，由于这些自然因素并不能通过人为的方式进行消除，所以只能采取相应的措施加以防范，从而最大限度地减轻自然因素对船舶航行安全性的影响，降低安全事故的发生几率。海面上雾气较大时，能见度比较低，如果能见度低于0.5nmile，船舶的驾驶员必须谨慎航行，并主动与周围的船舶进行联系，通过鸣放雾号和加强瞭望等措施，防止碰撞事故的发生；当大风出现时，受到风力的作用，海浪会随之增大，这对于船舶的安全航行尤为不利，此时船舶的驾驶员应当使船舶的运动方向与海浪的运动方向保持一致，并对航速进行调整，避免风浪对船体的冲击。建议海事管理部门及时发布大风航行警告，通知船舶做好应急
饧?意见2.1贝叶斯网络贝叶斯网络简称BN，是一种基于概率推理的图形化网络，归属于数学模型的范畴，可用于解决不确定性和不完整性问题。BN本身是一个不定性因果关联模型，它以多元知识图解作为推理模型，能够更加贴切地表达因果关系。由于BN通过条件概率对信息要素之间的关系进行表达，从而使其能够在不确定和不完整的信息条件下，完成学习与推理，这使BN具有强大的不确定性问题处理能力。图1为简单的贝叶斯网络框架。通过已知条件A，能够连续推理出B，C，D，E等。图1简单的贝叶斯网络框架Fig.1SimpleBayesiannetworkframework2.2推理依据BN在进行推理时的理论依据为条件独立性假设，通过该假设，能够使后续的计算过程得到简化，从而节省推理时间，提高效率。在此需要对条件独立性进行必要的解释，即在一定的前提条件下，一个节点相对于另外一个节点是独立的，当条件改变后，2个节点可能会存在相关性或是相互影响。BN推理主要是通过对概率的运用，来获取某些节点的后验概率，较为常用的推理模式2两种，一种是从上向下的因果推理，另一种是从下向上的诊断推理，前者是依据已经显现出来的某些特征，对未来可能发生的状况进行预测；后者则是在已知事件发生的前提下，对发生该事件的可能原因进行探索。BN的推理算法比较多，具体如图2所示。图2贝叶斯网络的推理算法Fig.2InferencealgorithmofBayesiannetwork在实际应用中发现，图2中的推理算法各具优缺点。目前，尚未出现一种具有普遍适用性和鲁棒性的推理算法，所以通常都是根据实际问题，选取最为适宜的算法进行推理。2.3基于BN的船舶航行安全性预测在基于BN对船舶航行?
【参考文献】：
期刊论文
[1]浅析热带气旋(台风)对船舶安全航行的影响及其防抗对策[J]. 吴国卿. 科学技术创新. 2019(35)
[2]东海大桥及附近水域船舶通航风险和安全航行建议[J]. 王亮,王巍. 航海. 2019(06)
[3]基于物元法的船舶定线制实施后水域通航安全评价[J]. 李志荣,朱金善,朱景林,黄成. 安全与环境工程. 2019(05)
[4]基于贝叶斯网络的船舶靠离泊操作过程风险建模[J]. 刘明明,王永章. 广东交通职业技术学院学报. 2019(03)
[5]信息融合与贝叶斯集成的船用中高速发动机磨损故障诊断[J]. 王永坚,陈丹,戴乐阳. 集美大学学报(自然科学版). 2018(03)
[6]基于互信息和贝叶斯网络的船舶碰撞风险预测研究[J]. 李子强,杜利娥. 交通节能与环保. 2017(05)
本文编号：3541839
【文章来源】：舰船科学技术. 2020,42(12)北大核心
【文章页数】：3 页
【部分图文】：
贝叶斯网络的推理算法Fig.2InferencealgorithmofBayesiannetwork
风险因素的先验概率进行预估，便可预测出船舶航行中可能遇到的风险。BN推理最为突出的特点在于能够对指定条件下的风险进行预测，作为一种概率推理方法，可用其解决船舶航行安全性预测问题，在特定的情况下，BN除了能够对整体风险状况进行准确预测之外，还能对极限情况下的风险发生概率进行预测，由此为风险规避提供了可靠依据。图3船舶航行安全性预测的贝叶斯网络结构Fig.3Bayesiannetworkstructureofshipnavigationsafetyprediction图4船舶航行风险贝叶斯网络推理模型与结果Fig.4Bayesiannetworkreasoningmodelandresultsofshipnavigationrisk2.4船舶航行安全性的提升建议船舶在海面上航行时，安全性尤为重要，通过贝叶斯网络对航行安全性进行预测后，可以得到相应的风险等级，风险等级越高，表明发生安全事故的可能性越大，且事故后果越严重。所以，需要针对较高的风险等级进行有效的防范措施，下面提出几点提高船舶航行安全性的建议。自然因素对船舶航行的安全性具有一定的影响，比如能见度、风等，由于这些自然因素并不能通过人为的方式进行消除，所以只能采取相应的措施加以防范，从而最大限度地减轻自然因素对船舶航行安全性的影响，降低安全事故的发生几率。海面上雾气较大时，能见度比较低，如果能见度低于0.5nmile，船舶的驾驶员必须谨慎航行，并主动与周围的船舶进行联系，通过鸣放雾号和加强瞭望等措施，防止碰撞事故的发生；当大风出现时，受到风力的作用，海浪会随之增大，这对于船舶的安全航行尤为不利，此时船舶的驾驶员应当使船舶的运动方向与海浪的运动方向保持一致，并对航速进行调整，避免风浪对船体的冲击。建议海事管理部门及时发布大风航行警告，通知船舶做好应急
饧?意见2.1贝叶斯网络贝叶斯网络简称BN，是一种基于概率推理的图形化网络，归属于数学模型的范畴，可用于解决不确定性和不完整性问题。BN本身是一个不定性因果关联模型，它以多元知识图解作为推理模型，能够更加贴切地表达因果关系。由于BN通过条件概率对信息要素之间的关系进行表达，从而使其能够在不确定和不完整的信息条件下，完成学习与推理，这使BN具有强大的不确定性问题处理能力。图1为简单的贝叶斯网络框架。通过已知条件A，能够连续推理出B，C，D，E等。图1简单的贝叶斯网络框架Fig.1SimpleBayesiannetworkframework2.2推理依据BN在进行推理时的理论依据为条件独立性假设，通过该假设，能够使后续的计算过程得到简化，从而节省推理时间，提高效率。在此需要对条件独立性进行必要的解释，即在一定的前提条件下，一个节点相对于另外一个节点是独立的，当条件改变后，2个节点可能会存在相关性或是相互影响。BN推理主要是通过对概率的运用，来获取某些节点的后验概率，较为常用的推理模式2两种，一种是从上向下的因果推理，另一种是从下向上的诊断推理，前者是依据已经显现出来的某些特征，对未来可能发生的状况进行预测；后者则是在已知事件发生的前提下，对发生该事件的可能原因进行探索。BN的推理算法比较多，具体如图2所示。图2贝叶斯网络的推理算法Fig.2InferencealgorithmofBayesiannetwork在实际应用中发现，图2中的推理算法各具优缺点。目前，尚未出现一种具有普遍适用性和鲁棒性的推理算法，所以通常都是根据实际问题，选取最为适宜的算法进行推理。2.3基于BN的船舶航行安全性预测在基于BN对船舶航行?
【参考文献】：
期刊论文
[1]浅析热带气旋(台风)对船舶安全航行的影响及其防抗对策[J]. 吴国卿. 科学技术创新. 2019(35)
[2]东海大桥及附近水域船舶通航风险和安全航行建议[J]. 王亮,王巍. 航海. 2019(06)
[3]基于物元法的船舶定线制实施后水域通航安全评价[J]. 李志荣,朱金善,朱景林,黄成. 安全与环境工程. 2019(05)
[4]基于贝叶斯网络的船舶靠离泊操作过程风险建模[J]. 刘明明,王永章. 广东交通职业技术学院学报. 2019(03)
[5]信息融合与贝叶斯集成的船用中高速发动机磨损故障诊断[J]. 王永坚,陈丹,戴乐阳. 集美大学学报(自然科学版). 2018(03)
[6]基于互信息和贝叶斯网络的船舶碰撞风险预测研究[J]. 李子强,杜利娥. 交通节能与环保. 2017(05)
本文编号：3541839
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3541839.html
