施工水域船舶碰撞风险预警研究
发布时间：2022-01-25 21:22
随着水上施工项目的增多,施工通航水域船舶航行安全问题日益受到各界关注,作为通航受限水域,相比于其他普通水域,施工水域中航行的船舶往往面临着更高的碰撞风险。为更好的保障船舶在施工水域的安全航行,本文对单船在施工水域船舶碰撞事故的预警方法进行了探索和研究,提出了基于船舶航行行为预测及船舶碰撞风险评估的施工水域船舶碰撞风险预警方法,具体研究工作如下:（1）总结分析了施工水域船舶碰撞风险,并通过总结查阅国内外关于水上交通安全预警的文献,结合预警理论确定施工水域船舶碰撞风险预警范围及流程。（2）根据预警流程,先建立船舶航行行为预测模型。以船舶真实AIS数据作为数据源,预测船舶航向、航速、经度、纬度四项指标,在传统极限学习机预测模型的基础上通过增设船舶转向及变速阈值来自动调整采样周期,从而提高船舶航行状态改变时的预测精度,并通过仿真实验与BP神经网络、多变量灰色预测模型进行误差对比及显著性检验,证明该模型预测效果较优、预测误差满足预警模型的要求。（3）根据施工水域通航环境特点选取合适的船舶领域模型,在此基础上将最小会遇距离、最短会遇时间、船速比、相对距离、相对航向作为船舶碰撞风险评估指标,建立船舶...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图１．１技术路线图??Ｆｉｇ．?１．１?Ｔｈｅ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏａｄｍａｐ??
?大连海事大学专业学位硕士学位论文???含层节点时的网络均方误差（ＭＳＥ）结果如图３．７所示。??隐含层节点个数设置为１８时，网络训练均方误差最小，由于本文是通过对训练样??本的在线训练从而进行实时预测，因此在设定训练样本的数量时，既要保证预测精度又??要保证样本的有效性，因此在每次预测前选取前３６ｍｉｎ?（正常航行时）或７．２ｍｉｎ?（航行??状态改变时）的航迹数据作为训练样本，每组航迹数据的个数设置为１５个，可分为８??个样本，取前７个样本作为训练样本训练神经网络，第８个样本作为预测样本以预测未??来３ｍｉｎ船舶航迹。??１８??１４?■?／?＼??Ｌ，??－）?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?￣???４?６?８?１０?１２?１４?１６?１８?２０??隐层节点个数／个??图３．?７不同隐层节点数的网络均方误差对比??Ｆｉｇ．?３．７?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｎｅｔｗｏｒｋ?ｍｅａｎ?ｓｑｕａｒｅ?ｅｒｒｏｒ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｈｉｄｄｅｎ?ｎｏｄｅｓ．??（２）数据处理??本文以琼州海峡某日多艘船舶的ＡＩＳ数据作为实验数据进行船舶航行行为预测实??验。由于船舶ＡＩＳ设备发射动态数据的频率取决于船舶航行速度，该船舶的航速区间为??０．１？１６．１ｋｎ，此时ＡＩＳ动态数据的实际发射频率为５ｓ？３ｍｉｎ不等。为保证预测时间间??隔的一致性，对于某时间点丢失、未记录的航迹数据采用线性插值法进行填充。??为了在保持输入数据间相关性的前提下，消除输入数据间由量纲差异较大引起的网??络预测误差，需要对输入数据进行归一化处理，对输出数据进行反归一化处理。本文采??用公式（３．２４）处理数据，输入数据经处理后处于［０
?施工水域船舶碰撞风险预警研究???一化处理后的数据，这里将少＾设为１，＞＾ｉｎ设为０。??将处理后的数据代入构建的ＥＬＭ网络进行预测后，需要将输出数据根据公式进行??相应的反归一化处理，得到实际船舶运动预测值。??（３）仿真结果分析??在该航迹实验中对该船进行为期ｌ〇ｈ的跟踪预测，此时＆尸２００，海图上显示的船??舶的实际航迹及预测航迹分别如图３．８、３．９所示，训练及测试时间共计４６．９ｓ。??＇?－＊?－?ｔ±ａ??＆．??、?、？?ｉ?＇?Ｌ?＂?ｆａ??＊．?？＊？?ｆｉ．?Ｓｔ??丨??Ｉ？电＊７：??Ｉ?．，：基．．分???????植雜＾…??Ｉ?－?，?１?ｉ??［｜?＿?．???Ｉ??ＪＦ?Ｉ?＿＿?Ｉ??ｉ?ｔｔＭＲ?ｕｉ＂ｉｍｉ?ｗｗｈ＊ｔｉｉｗ?Ｍｉｉ－Ｍ／ｔｗ＊＊?ａｍａａｍｍｊ??图３．?８实际航迹??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??图３．?９预测航迹??Ｆｉｇ．?３．９?Ｐｒｅｄｉｃｔｉｏｎ?ｔｒａｃｋ??－２６－??
【参考文献】：
期刊论文
[1]层次分析法和极限学习机的船舶通航风险评估模型[J]. 董海亮,王宏波,董亚力. 舰船科学技术. 2018(22)
[2]能见度不良天气下海上交通安全风险预警系统[J]. 戴厚兴,吴兆麟. 交通运输工程学报. 2018(05)
[3]基于区间灰数序列的多变量灰色预测模型[J]. 熊萍萍,张悦,姚天祥,曾波. 数学的实践与认识. 2018(09)
[4]基于模糊理论的船舶复合碰撞危险度计算[J]. 胥文,胡江强,尹建川,李可. 舰船科学技术. 2017(13)
[5]基于BP神经网络的空中目标航迹预测模型[J]. 钱夔,周颖,杨柳静,谢荣平,何锡点. 指挥信息系统与技术. 2017(03)
[6]基于AIS信息和BP神经网络的船舶航行行为预测[J]. 甄荣,金永兴,胡勤友,施朝健,王胜正. 中国航海. 2017(02)
[7]利用Mehra自适应卡尔曼滤波进行船舶跟踪预测[J]. 胡春芬. 舰船科学技术. 2016(22)
[8]基于AIS数据的船舶运动模式识别与应用[J]. 魏照坤,周康,魏明,史国友. 上海海事大学学报. 2016(02)
[9]基于灰云模型的海上交通系统风险推理方法[J]. 龚慧佳,轩少永,胡甚平,YANG Zaili. 中国航海. 2016(02)
[10]经济新常态下商业银行风险预警系统研究[J]. 丁德臣. 宏观经济研究. 2016(04)
博士论文
[1]船舶避碰决策数学模型的研究[D]. 孙立成.大连海事大学 2000
硕士论文
[1]广州港水域船舶交通危险预警研究[D]. 汤斯敏.集美大学 2018
[2]基于AIS数据的桥区水域船舶碰撞预警系统的研究与实现[D]. 魏晓阳.武汉理工大学 2017
[3]基于贝叶斯网络的船撞桥风险评估研究[D]. 杨祥睿.重庆交通大学 2015
[4]复杂海上工程施工期的通航安全动态风险评价模型研究[D]. 王群朋.武汉理工大学 2014
[5]海上运输通道风险分析及预警模型[D]. 张帅.大连海事大学 2011
[6]内河运输安全预警研究[D]. 金娥.武汉理工大学 2008
本文编号：3609232
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图１．１技术路线图??Ｆｉｇ．?１．１?Ｔｈｅ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏａｄｍａｐ??
?大连海事大学专业学位硕士学位论文???含层节点时的网络均方误差（ＭＳＥ）结果如图３．７所示。??隐含层节点个数设置为１８时，网络训练均方误差最小，由于本文是通过对训练样??本的在线训练从而进行实时预测，因此在设定训练样本的数量时，既要保证预测精度又??要保证样本的有效性，因此在每次预测前选取前３６ｍｉｎ?（正常航行时）或７．２ｍｉｎ?（航行??状态改变时）的航迹数据作为训练样本，每组航迹数据的个数设置为１５个，可分为８??个样本，取前７个样本作为训练样本训练神经网络，第８个样本作为预测样本以预测未??来３ｍｉｎ船舶航迹。??１８??１４?■?／?＼??Ｌ，??－）?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?￣???４?６?８?１０?１２?１４?１６?１８?２０??隐层节点个数／个??图３．?７不同隐层节点数的网络均方误差对比??Ｆｉｇ．?３．７?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｎｅｔｗｏｒｋ?ｍｅａｎ?ｓｑｕａｒｅ?ｅｒｒｏｒ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｈｉｄｄｅｎ?ｎｏｄｅｓ．??（２）数据处理??本文以琼州海峡某日多艘船舶的ＡＩＳ数据作为实验数据进行船舶航行行为预测实??验。由于船舶ＡＩＳ设备发射动态数据的频率取决于船舶航行速度，该船舶的航速区间为??０．１？１６．１ｋｎ，此时ＡＩＳ动态数据的实际发射频率为５ｓ？３ｍｉｎ不等。为保证预测时间间??隔的一致性，对于某时间点丢失、未记录的航迹数据采用线性插值法进行填充。??为了在保持输入数据间相关性的前提下，消除输入数据间由量纲差异较大引起的网??络预测误差，需要对输入数据进行归一化处理，对输出数据进行反归一化处理。本文采??用公式（３．２４）处理数据，输入数据经处理后处于［０
?施工水域船舶碰撞风险预警研究???一化处理后的数据，这里将少＾设为１，＞＾ｉｎ设为０。??将处理后的数据代入构建的ＥＬＭ网络进行预测后，需要将输出数据根据公式进行??相应的反归一化处理，得到实际船舶运动预测值。??（３）仿真结果分析??在该航迹实验中对该船进行为期ｌ〇ｈ的跟踪预测，此时＆尸２００，海图上显示的船??舶的实际航迹及预测航迹分别如图３．８、３．９所示，训练及测试时间共计４６．９ｓ。??＇?－＊?－?ｔ±ａ??＆．??、?、？?ｉ?＇?Ｌ?＂?ｆａ??＊．?？＊？?ｆｉ．?Ｓｔ??丨??Ｉ？电＊７：??Ｉ?．，：基．．分???????植雜＾…??Ｉ?－?，?１?ｉ??［｜?＿?．???Ｉ??ＪＦ?Ｉ?＿＿?Ｉ??ｉ?ｔｔＭＲ?ｕｉ＂ｉｍｉ?ｗｗｈ＊ｔｉｉｗ?Ｍｉｉ－Ｍ／ｔｗ＊＊?ａｍａａｍｍｊ??图３．?８实际航迹??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??图３．?９预测航迹??Ｆｉｇ．?３．９?Ｐｒｅｄｉｃｔｉｏｎ?ｔｒａｃｋ??－２６－??
【参考文献】：
期刊论文
[1]层次分析法和极限学习机的船舶通航风险评估模型[J]. 董海亮,王宏波,董亚力. 舰船科学技术. 2018(22)
[2]能见度不良天气下海上交通安全风险预警系统[J]. 戴厚兴,吴兆麟. 交通运输工程学报. 2018(05)
[3]基于区间灰数序列的多变量灰色预测模型[J]. 熊萍萍,张悦,姚天祥,曾波. 数学的实践与认识. 2018(09)
[4]基于模糊理论的船舶复合碰撞危险度计算[J]. 胥文,胡江强,尹建川,李可. 舰船科学技术. 2017(13)
[5]基于BP神经网络的空中目标航迹预测模型[J]. 钱夔,周颖,杨柳静,谢荣平,何锡点. 指挥信息系统与技术. 2017(03)
[6]基于AIS信息和BP神经网络的船舶航行行为预测[J]. 甄荣,金永兴,胡勤友,施朝健,王胜正. 中国航海. 2017(02)
[7]利用Mehra自适应卡尔曼滤波进行船舶跟踪预测[J]. 胡春芬. 舰船科学技术. 2016(22)
[8]基于AIS数据的船舶运动模式识别与应用[J]. 魏照坤,周康,魏明,史国友. 上海海事大学学报. 2016(02)
[9]基于灰云模型的海上交通系统风险推理方法[J]. 龚慧佳,轩少永,胡甚平,YANG Zaili. 中国航海. 2016(02)
[10]经济新常态下商业银行风险预警系统研究[J]. 丁德臣. 宏观经济研究. 2016(04)
博士论文
[1]船舶避碰决策数学模型的研究[D]. 孙立成.大连海事大学 2000
硕士论文
[1]广州港水域船舶交通危险预警研究[D]. 汤斯敏.集美大学 2018
[2]基于AIS数据的桥区水域船舶碰撞预警系统的研究与实现[D]. 魏晓阳.武汉理工大学 2017
[3]基于贝叶斯网络的船撞桥风险评估研究[D]. 杨祥睿.重庆交通大学 2015
[4]复杂海上工程施工期的通航安全动态风险评价模型研究[D]. 王群朋.武汉理工大学 2014
[5]海上运输通道风险分析及预警模型[D]. 张帅.大连海事大学 2011
[6]内河运输安全预警研究[D]. 金娥.武汉理工大学 2008
本文编号：3609232
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3609232.html
