（通信与信息系统专业论文）vts中船舶航行危险预测技术的研究.pdf

中文摘要 摘要 随着海上交通运输日益繁盛，港口内船舶交通密度越来越高，海事事故频繁发 生，传统的管理方式已经不能满足水域船舶交通快速发展的需求。人们越来越多 地关注于如何利用先进的技术建立健全海上交通安全的预测预警机制，对船舶航 行危险做出及时、准确的预测，从而从根本上保障船舶航行安全、减少海上交通 事故的发生、提高航运效率、保护海洋环境。 本文针对现有的v t s ( v e s s e lt r a f f i cs e r v i c e s ) 系统智能化水平不高，对海上交通 风险的预测和识别能力的不足的现状，提出了运用人工神经网络理论预测船舶航 行危险，从而提高v t s 系统的智能性，降低v t s 管理人员的工作强度和工作压力。 本文从v t s 系统的发展现状和趋势入手，指出了研究船舶航行危险预测的必要 性和实用性；论述了国内外常见的船舶事故预测方法，并分析了其各自的不足之 处；针对海上交通事故发生同人一船一环境之间有着复杂非线性关系的特点，以 及神经网络在解决复杂非线性系统问题方面的优势，提出采用神经网络理论预测 船舶航行危险；充分分析了影响船舶航行安全的诸多因素，并结合s 系统数据 采集和处理的特性，设计建立了基于b p 神经网络的船舶航行危险预测模型；最后， 利用m a t l a b 的神经网络工具箱对船舶航行危险预测模型进行仿真实现，并通过历 史的船舶事故数据对模型的预测精度进行检验。试验结果表明该方法能够较为准 确的预测船舶航行危险，是一种切实可行的预测方法，可以应用于实际的v t s 系 统中。 关键词：v t s ；船舶航行危险预测；神经网络；b p 算法 英文摘要 s t u d y o nt h ef o r e c a s tt e c h n o l o g yo fv e s s e ls a i l i n gr i s k i nv t s a b s t r a c t w i t ht h ed e v e l o p m e n to fm a r i t i m et r a d e ，t h et r a f f i co nt h es e ab e c o m e sb u s yd a yb y d a y , m a r i t i m ea c c i d e n t st a k ep l a c ef r e q u e n t l y c o n v e n t i o n a lm a n a g e m e n tm o d ei sn o t m e tt h en e e do fs h a r pv e s s e lt r a f f i cd e v e l o p m e n t p e o p l et a k ea t t e n t i o nm o r ea n dm o r e o nh o wt ou s et h ea d v a n c e dt e c h n o l o g yt of o r e c a s tt h ed a n g e r o u so fn a v i g a t i o nt i m e l y a n da c c u r a t e l y , t h e r e b ye n s u r et h es a i l i n gs a f e t y , r e d u c et h ev e s s e la c c i d e n t ，i m p r o v et h e e f f i c i e n c yo f t r a f f i co nt h es e aa n dp r o t e c tt h eo c e a ne n v i r o n m e n t n o w ，v t s ( v e s s e lt r a f f i cs e r v i c e s ) i sn o ti n t e l l i g e n te n o u g ht op r e d i c a t ea n d i d e n t i f yt h et r a f f i cd a n g e ro nt h es 既a i m i n ga tt h ep r e s e n ts i t u a t i o n ，t h i st h e s i s p r o p o s e st h a tv e s s e ls a i l i n gr i s kc a nb ef o r e c a s t e db yu s i n ga r t i f i c i a ln e u r a ln e t w o r k , s e q u e n t i a l l ym a k ev t sm o r ei n t e l l i g e n ta n dr e d u c et h ei n t e n s i t ya n dp r e s so fv t s o p e r a t o r a c c o r d i n gt ot h ec h a r a c t e r i s t i ct h a tt h et r a f f i cs y s t e r no nt h es e ai sd y n a m i ca n d t i m e v a r i a n c ea n dt h ea d v a n t a g et h a tn e u r a ln e t w o r kh a si ns o l v i n gc o m p l i c a t e da n d n o n l i n e a rp r o b l e m s ，am e t h o do f f o r e c a s t i n gt h es h i pa c c i d e n t sw i t hb p n e u r a ln e t w o r k i sp r o p o s e d w h i l ea n a l y z i n ge x h a u s t i v e l yt ot h em a n yf a c t o r st h a ti n f l u e n c et h es h i p s s a i l i n gs a f e t y ，a n dc o m b i n i n gt h ec h a r a c t e r i s t i co fv t ss y s t e mi nd a t ac o l l e c t i n ga n dt h e p r o c e s s i n g , d e s i g na n db u i l du pt h em o d e lt op r e d i c a t et h ed a n g e r o u so fn a v i g a t i o n0 1 1 b pn e u r a ln e t w o r k a tl a s t u s en e u r a ln e t w o r kt o o lb o xi nm a t l a bt os i m u l a t et h e f o r e c a s tm o d e lo fn a v i g a t i o nd a n g e r o u s ，a n dv e r i f yt h ef o r e c a s tp r e c i s i o no ft h em o d e l b yh i s t o r yd a t aa b o u ts h i pa c c i d e n t t h er e s u l ti n d i c a t e st h a tt h i sm e t h o dc a nf o r e c a s t e x a c t l yt h en a v i g a t i o nd a n g e r o u s i ti sa f e a s i b l em e t h o dt h a tc a nb ea p p l i e di nv t s k e yw o r d s ：v t s ：f o r e c a s to fv e s s e ls a i l i n gr i s k ；n e u r a ln e t w o r k ；b pa l g o r i t h m 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成博士硕士学位论文 = = y ! 墨生墼舶照堑筵险亟型擅苤的研究：。除论文中 已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中 以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开 发表或未公开发表的成果。 本声明的法律责任由本人承担。 做储雠：愧埘引心日 学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连海事大学研究生学位论文提交、 版权使用管理办法 ，同意大连海事大学保留并向国家有关部门或机构送交学位论 文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于：保密口 不保密口( 请在以上方框内打“4 ) 论文作者签名：蕊导师签名：却蟛呜 日期： 田艿年弓月 专日 v t s 中船舶航行危险预测技术的研究 第1 章绪论 1 1 研究课题的提出 随着我国经济的快速发展，对内对外的贸易量逐年增大，海上交通运输日益繁 盛，船舶交通的安全问题也日渐突现出来。特别是在某些水域内，船舶流量越来 越大，交通密度越来越高，海事事故频繁发生。船舶不断的巨大化、高速化的发 展，进一步加剧了航行的危险性。一旦发生事故，将会造成巨大的人员和财产的 损失，对于海洋环境的污染和破坏也将是无法估量和难以挽回的。针对当前的这 种现状，应对措旌不应该是事后的弥补，而是应该建立完善的预防体系，对于船 舶可能出现的危险做出准确及时的预测和预警，进而从根本上保障船舶航行安全， 避免或者减少事故的发生。 船舶交通管理系统( v e s s e lt r a f f i cs e r v i c e ，以下简称v t s ) 是解决船舶交通 安全和效率问题的最有效的手段之一。自从上世纪七十年代建立以来，v t s 在实施 海上交通管理、指挥海上搜救、保护海洋环境等方面发挥了重要的作用，成为了 许多港口和水路不可或缺的管理和服务手段。v t s 技术发展迅速，硬件设备和软件 技术在不断的发展和更新。然而，关于如何充分利用v t s 现有的信息资源，提高 v t s 中心信息处理的自动化水平、提高海上交通风险的预测和识别能力的研究还非 常有限。而常用的海上交通事故预测方法也都是从数学统计和分析的角度，从宏 观上预测一定时期内的海上交通事故发生的数量。这些预测方法不能体现海上事 故发生的内在原因。因此，现代的v t s 系统必须引入新的技术手段以使其功能不 断加以完善。 人工神经网络是模拟人类神经系统的结构，揭示数据样本中蕴含的非线性关 系，大量处理单元组成非线性自适应动态系统，具有良好的自适应性、自组织性 和很强的学习、联想、容错和抗干扰能力。在不同程度和层次上可模仿大脑的信 息处理机理，可灵活方便的对多成因的复杂未知系统进行建模。近1 0 多年来，人 工神经网络的研究工作十分活跃，取得了巨大的进展，已成为涉及电子科学、计 算机科学、自动控制、数学、物理、生物学等领域的交叉前沿科学，对各种工程 学科的发展正产生巨大的影响。 第1 章绪论 将人工神经网络技术引入v t s 系统，根据影响海上船舶航行安全的诸多因素 对船舶航行危险做出分析预测，可以充分利用v t s 中丰富的信息资源，提高v t s 系统对于海上事故的预测、防御能力，增加船舶航行安全，减少海上事故的发生。 同时，提高v t s 系统的智能性，可以大大降低v t s 管理人员的工作强度和工作压 力，为v t s 管理人员的决策提供科学有力的依据。 1 2 当前国内外研究现状 1 2 1 我国v t s 的现状和发展趋势 船舶交通管理系统( v t s ) 是项综合的系统工程【1 】【2 】，它不仅包括雷达、v i - i f 通 信、计算机网络等代表最新技术的软硬件设备，也包括管理规程、运行管理模式 等诸多其他要素【4 l 。 我国的船舶交通管理系统( v t s ) 建设已初具规模，并在我国海事管理和海上搜 寻救助中发挥着越来越重要的作用。文献 3 从工程的规划、功能和技术水平等角 度较全面地介绍了1 9 7 8 1 9 9 8 年2 0 年间我国v t s 工程建设的基本情况，并对所取 得的效益进行了分析。文献 1 4 5 6 7 8 分别对我国厦门、广州、台湾海 峡、珠江口和杭州湾大桥v t s 的发展现状和今后的发展趋势进行了较为详尽的论 述。从大量的文献中，可以看出我国v t s 的发展正呈现出如下趋势： ( 1 ) 技术发展变化快。v t s 设备种类繁多，包括雷达、通信、网络等数个领域。 e c d i s 、a i s 等新技术在v t s 中得到成功应用【9 1 【1 0 1 。而且，随着电子信息技术的快 速发展，世界上几大v t s 厂商仍在不断完善各自v t s 系统的硬件和软件，并将新 的技术融入到v t s 系统之中。 ( 2 ) 对v t s 信息资源的需求越来越大。v t s 可以准确的获知管理水域内的船舶 动态信息，并通过管理信息系统进行查询、统计、分析和评估，在一定程度上可 以便捷相关部门的工作。目前，引航部门、物流公司和一些港航单位均已提出信 息共享的需求和构想。 ( 3 ) 系统规模逐渐增大。随着国家对海上交通安全的重视程度逐渐增长和投 资的加大，v t s 的系统规模逐渐增大。近年来，由多雷达站形成的雷达链所构成的 单中心v t s 系统，或多中心多雷达站系统正逐渐增多，并且正向区域性v t s ( 即由 v t s 中船舶航行危险预测技术的研究 多个v t s 中心或分中心相互进行信息联接构成的，监视管理范围更大的v t s ，如浙 北水域、珠江口v t s 系统) 方向发展。 综上所述，我国v t s 己在提高安全与效率以及保护环境方面发挥了重要的作 用，且正在迎来快速发展的新时期。因此，引入新的先进技术，充分利用v t s 系 统的现有信息资源，对船舶航行危险做出智能化的分析和预测，提高v t s 工作人 员决策的科学性和合理性，对于我国v t s 系统效能的发挥和日后的运行管理都是 十分必要的。 1 2 2 海上交通事故分析预测的研究现状 海上交通事故预测可分为定性预测和定量预测。定性预测已发展的比较成熟， 但定量预测相对来说还比较薄弱。一般意义上的定量研究是指在对问题的论证中 采用数学工具，从量上进行的分析研究，从中找出其普遍规律性，揭示其内在联 系，抓住其主要矛盾，从而为科学管理提供科学依据，有助于管理者做出最佳决 策。因此，进行海上交通事故的定量研究是十分必要的。 预测的具体对象主要有：事故数及事故率预测，伤亡人数及伤亡率预测和经 济损失预测等。预测的方法和模型主要有：回归分析预测包括一元线性回归、 多元线性回归、非线性回归等；灰色系统理论预测包括g m ( 1 ，1 ) 预测、灰平面 的区间预测、灰色聚类预测等；以及指数平滑预测、马尔柯夫预测、模糊预测和 基于神经网络的预测模型等等。 国内的应用主要有1 9 9 5 年8 月，中远( 集团) 总公司与上海海运学院共同研制 了“海事数据库及海事统计、分析与评估系统”，并交付中远( 集团) 总公司及所属 各公司投入使用；厦门港航道环境危险度的分析与评价等等。 1 2 3 神经网络技术的研究现状 人工神经网路理论自2 0 世纪8 0 年代开始在国际上迅速发展起来，近年来更是 掀起了一股神经网络理论研究和应用开发的热潮，其应用已经渗透到各个领域， 并在智能控制、模式识别、计算机视觉、故障预测、实时语言翻译、神经生物学 和生物医学工程等方面取得了显著成效。 神经网络理论在智能交通系统( i t s ) 中得到了广泛深入的研究和应用。在国外， b r i a nl s m i t h 和m i c h a e lj d e m e s t k y 利用神经网络方法预测交通量，预测的 第1 章绪论 结果具有较高的精度并且没有时滞现象。m a s c h a v a nd e rv o o r t 等人将神经网络与 a r i r a 时间序列模型相结合预测交通量，使a r i m a 模型具有更广泛地的适应性和可 移植性。c o r i n n el e d o u x 建立了基于神将网络的交通量预测模型，首先利用神经 网络建立每个路段的交通量预测模型，再建立整个路网的交通量预测模型，并应 用模拟的数据对模型进行了验证，取得了较好的预测效果。在国内，朱中等人提 出了利用神经网络预测交通量的方法。杨新苗，王炜等提出了公交线路客流模糊 神经网络预测模型。尹宏宾、徐建闽、黄什进等提出了基于模糊神经网络的信号 交叉口交通量的预测方法。牛国宏采用b p 神经网络建立道路交通事故预测模型， 实现对交通事故数、死亡人数、受伤人数、直接经济损失等与交通事故有关参数 的预测【1 1 - 6 1 。 可以看出，早期的研究主要集中在将神经网络技术应用到交通系统的各个方 面，对系统中的各种交通参数进行预测分析。随着研究的不断深入，学者们的研 究逐渐侧重于通过对神经网络算法的优化和改进、通过神经网络算法和其它算法 相结合的方式，不断提高预测的速度、精度和稳定性。 童飞提出用b p 神经网络模型预测一定时期内的水上交通事故数量，对神经网 络技术在水上交通系统中的应用作了初步的研究和探讨【l 。丌。但是，相对于神经网 络在陆地交通系统中研究的活跃，神经网络技术在水上交通系统中的应用显得十 分不足，相关的研究还相当缺乏。 1 3 主要研究内容和研究方法 本文针对水上交通系统的非线性、随机性、动态性以及不确定性特点，提出了 采用神经网络的原理对船舶航行危险进行分析和预测，主要的研究方法和技术路 线为： 1 对常用的水上交通事故预测方法进行总结和研究，分析各种预测方法的优 缺点。 2 研究人工神经网络的基本原理及相关理论，分析人工神经网络理论用于船 舶航行危险预测的可行性。 3 结合渤海海域的特点，分析影响海上船舶航行安全的各种因素：根据v t s 系统数据采集、传输、处理和显示的特点，选取其中主要的、适当的因素作为神 v t s 中船舶航行危险预测技术的研究 经网络的输入神经元； 4 针对b p 算法存在着收敛速度慢和容易陷入局部最小点的缺点，采用自适 应学习率法、弹性b p 法等提高算法速度，增强算法的可靠性；采用附加动量法、 共轭梯度法等降低网络对误差曲面局部细节的敏感性，有效地抑制网络陷入局部 极小； 5 采用数学建模的方法，建立基于b p 网络的船舶航行危险预测模型，分析 确定网络结构和参数；利用m a t l a b 神经网络工具对预测模型进行建立、训练的编 程设计； 6 采用仿真试验的方法，以烟台港近年的船舶事故为例，检验预测模型，分 析预测模型的精度及可用性。 1 4 论文的研究成果和结构 论文共分为五个章节，具体内容结构如下： 第一章绪论，阐述了课题研究的背景和意义，分析了国内外的研究现状与发展 趋势，并且说明了课题研究的主要内容、研究方法和系统结构。 第二章常用的船舶航行危险预测方法分析，总结了灰色预测、回归分析方法、 指数平滑法等常用的船舶航行危险预测方法，并对各种预测方法的优缺点进行了 分析和比较。 第三章基于神经网络的船舶航行危险预测，在分析了b p 神经网络基本原理及 其算法的基础上，列举了影响船舶航行安全的主要因素，设计了基于b p 神经网络 的船舶航行危险预测模型。 第四章，预测模型的仿真实现。利用m a t l a b 的神经网络工具箱建立b p 网络预 测模型，以烟台港近几年的事故数据为样本，对预测模型进行训练和检验，并对 试验结果进行分析。 第五章结束语，综合前面四章的内容，给出本文的研究结论，分析课题研究中 尚且存在的不足之处，提出进一步改进和完善的设想。 第2 章常用的船舶航行危险预测方法 第2 章常用的船舶航行危险预测方法分析 2 1 概述 从管理科学的角度来看，预测就是根据事物过去的发展变化的客观过程和某些 规律，参照已经出现或者正在出现的各种可能性，运用现代管理的、数学的和统 计的方法，对事物未来可能出现的趋势和可能达到的水平所作的科学推测。简单 的理解，预测是指按目前规律发展下去会得到什么结果，其前提是环境和规律均 不改变或者变化是一致的。十分显然，预测不研究必然事件，因为必然事件用不 着去研究，他是必然会发生的。预测研究的是随机事件，因为只有随机事件才需 要人们去研究、去预测，才有根据其以往的客观变化过程研究其今后可能出现的 趋势及可能达到的水平的必要【l 引。 船舶航行危险预测就是对船舶航行未来的情况进行估计和推测。它是通过对船 舶航行的过去和现在状态的系统讨论并考虑其相关因素的变化，而做出对船舶航 行未来状态描述的过程。 预测是决策的重要依据，是“鉴往知来 ，借对过去的探讨，得到对事物未来 状况的了解。事物从过去、现在到将来的发展总是有其内在规律性的，只有发现 和掌握了事物发展的固有规律，才能把预测置于科学的基础之上，引导事物朝着 预期的方向发展。 船舶航行危险预测对于海上交通安全评价、规划以及决策具有重要的现实意 义。船舶航行危险预测是对海上交通事故未来的情况进行估计和推测。它是通过 对海上交通事故的过去和现在状态的系统探讨，并考虑其相关因素的变化，而做 出对海上交通事故未来状态描述的过程。交通事故是随机事件，它不仅受海上交 通系统中各要素状态的制约，还要受到社会的、自然的多种偶然因素的影响，使 事故发生的时间、空间的特征呈现出偶然性。从表面上看，事故发生似乎没有规 律可寻。其实，交通事故的偶然性是表面现象，是始终受其内部的规律所支配， 这种规律已被大量的交通事故的研究结果所证实，它是客观存在的。它揭示了交 通事故相关要素之间的必然联系。这种联系不断重复出现，在一定条件下起作用， 并决定着交通事故的发展变化。由此可见，认识并利用交通事故的客观发展规律， v t s 中船舶航行危险预测技术的研究 对交通事故的发展变化进行科学预测是可行的。 交通事故预测按预测范围可分为宏观预测和微观预测两类。交通事故宏观预测 是指对时间较长( 一年以上) 或空间区域较大的交通事故，进行总体性和趋势性 的预测，如监管海域内交通事故变化趋势预测等。交通事故微观预测是指短时间 内或某一地点、路段交通事故变化的预测，如一年内各月交通事故预测、某段交 通密集水域的事故预测等。 交通事故预测技术可分为两类：定性预测和定量预测。定性预测是在数据资料 掌握不多，或者需要短时间内做出预测的情况下，运用人的经验和判断能力，用 逻辑思维方法，把有关资料加以综合，将定性资料转换成定量的估计值来预测未 来。定量预测是在历史数据和统计资料的基础上，与用数学或其他分析技术，建 立可以表现数量关系的模型，并用它来近似预测对象在未来可能表现的数量。 交通安全状况的变化和发展不是孤立的，会受许多因素诸如人、船、环境等的 影响和制约，这些因素的影响往往是非常复杂的，很难用精确的函数式来描述。 利用统计分析方法，借助于大量的统计数据进行统计处理，可以从中找出其内在 的联系和规律性，并可以进一步了解交通安全的发展动态，以便制定出较为完善 的安全对策。政府规划和高层管理部门在交通安全决策时，往往关心交通事故的 宏观预测和定性预测。基层管理部门在交通安全管理中，一般偏重交通事故的微 观预测和定量预测。 国内外海上交通事故预测方法主要有回归分析、灰色预测、指数平滑等方法， 下面对各种方法一一进行阐述。 2 2 灰色预测法 灰色预测是指根据灰色系统理论的g m ( 1 ，1 ) 模型的预测。控制中的灰色系统 是指相对一定的认识层次，内部的信息部分已知部分未知，即信息不完备的系统。 就交通系统来说，构成该系统的主要元素是已知的，各个元素之间相互作用的定 量关系是未知的，因而可以将一个海域的交通系统看作是一个典型的系统，利用 灰色系统理论对交通事故进行预测。所建立的预测模型具有以下特点： ( 1 ) 数学模型是一阶单变量微分方程g m ( 1 ，1 ) ，这与己往的概率统计方法 利用离散数据建立的按时间逐渐递推的离散模型有着本质的区别。g m ( 1 1 ) 海 第2 章常用的船舶航行危险预测方法 上交通事故模型通过对原始数据的适当处理，建立一个连续的微分方程。方程的 参数可以认为描述了海上交通事故的随机性的本质。 ( 2 ) 海上交通事故灰色预测模型认为某一地区某一时间内的交通事故数是在 一定范围内变化的与时间坐标有关的灰色量，这也是它不同于概率统计方法之处。 后者要通过大量样本的研究来寻找规律，具有一定的局限性，g m 模型对灰色量采 用数据生成的方法，将原始数据整理成较有规律的生成数列后再进行研究，并认 为似乎杂乱无章的原始数据之后必然隐藏着反映海上交通事故变化趋势的某种规 律性。 ( 3 ) 由于g m ( 1 ，1 ) 模型建立的是一阶单变量微分方程，其最大的优点是所 需要的原始数据量小，一般只要求有四个数据即可以拟合、预测。这是g m 模型 在其他领域得到广泛应用的主要原因。 建立g m ( 1 ，1 ) 模型的主要方法【2 4 1 ： 设某地区或单位按某种等距的时间间隔t ( 如月、季、年) 统计的事故数x 组成 的原始序列为x ( t ) ：n 为序列长度 x ( f ) = x 0 ( f ) 1 f = 1 ，2 ，3 ，l ( 2 1 ) 经过累加后生成的序列为： x ( f ) = x “0 ) i t = l ，2 3 ，玎 ( 2 2 ) 其中x 1 - - z x 。( o j - 1 ，2 ，3 ，一 ( 2 3 ) 根据狄色理论建模理论，经过一次或数次累加的生成序列可以用一阶单变量微 分方程进行拟合，对公式( 2 2 ) 的累加序列建立微分方程： d x o ) + 口d 【1 ) - - 2 ( 2 4 ) 珊 在上式中，口、z 均为模型参数，可由原始序列拟合出。 式( 2 4 ) 的解为： j m ( t + 0 - - ( x ( 1 ) 一兰) p 一矾+ 兰 ( 2 5 ) 口口 在上式中，当f 肛时，x 1 ( f + 1 ) 为模型对生成序列x ( f ) 的预测值：当t 以智。 一1 士 户i 菩咒 a = y - b t y f ，2 一，l - t j 一 i = l 厶= ( 一i ) 2 = 2 一万； ，= ii = 1 ( 2 1 0 ) ( 2 1 1 ) ( 2 1 2 ) ( 2 1 3 ) 岛= 童( 一；) ( 咒一歹) ：皇只一，z 歹 ( 2 1 4 ) 嵋 伊 乃 略 o 少 日谢。承鲥嗄冱鲥 乏 一一 一 舔一加必一 一y n 片 一矧 = r y 一 只 ，i 。硝 = 0 v t s 中船舶航行危险预测技术的研究 6 ：生 厶 而一等； ( 2 1 5 ) 一元线性回归方程是预测领域中最为常用的回归模型之一，但我们在对实际问 题的研究中发现，两个变量( 自变量和因变量) 的回归关系大多是非线性的，例 如指数回归模型就经常被用于事故预测领域中，而且拟合精度较好。因此，在实 际建立回归模型之前，我们应该先做出海上交通事故历史数据的散点趋势图，然 后分析其适合的曲线类型，如果存在某种类型的非线性回归曲线比线性回归曲线 对原始数据拟合的更好，那么则应建立非线性回归模型。 2 4 指数平滑法 指数平滑预测方法能对海上交通系统的本身挖掘信息，寻找其动态的变化规 律，并能避开影响系统的诸多因素，是一种形式上非因素而实质是全因素的预测 方法。其优点是只要有上期实际数和上期预测值，就可计算下期的预测值。这样 可以节省很多处理数据的时间，减少数据的存储量，并且很好的弥补了海上交通 事故历史数据匮乏的现象。其实质是：通过计算指数平滑平均数来平滑时间序列， 消除历史统计序列中的随机波动，以便找出其主要发展趋势。根据平滑次数的不 同，分为一次指数平滑法、二次指数平滑法、三次指数平滑法 】。 2 4 1 一次指数平滑法 一次指数平滑法是根据实测值和预测值，按不同权数计算的加权平均数作为本 期的预测值。设时间序列i 拘n + 1 次实测记录为x o ，西，x o 为初始值。又设 x o ，x i ，x 。为平滑预测值。若平滑预测值x t ( 1 f 以) 是由下述公式求得，即 而= x t l + 口( 一i x t - i ) ( 2 1 6 ) 则称此预测方法为指数平滑法。口( 0 口 1 ) 称为平滑常数，( 一lx t 1 ) 称为预测 误差。 有时，预测公示也采用下述形式： 第2 章常用的船舶航行危险预测方法 于是有 x t = a x t i + ( 1 一口) x f i ( 2 1 7 ) 。 ；，= a x t i + ( 1 一口) 毛一= a x t l + ( 1 一口) 【口_ 一2 + ( 1 一口) 蟊一2 】 = 口玉一i + 口( 1 一口) 一2 + ( 1 一口) 2 蟊一2 = ( 2 1 8 ) = 口t - ! ( 1 一口) ，一l + ( 1 一口) r x o j - - - o 式中，x o 为初始预测值。由于l 一口是介于0 和1 之间的数，故当f 很大时， ( 1 一口) ；o 这一项可以忽略。这样，第f 步的预测值的主要部分可以表示为前f 步实 测值做指数形式的加权和，“指数平滑，也因此而得名。通常；o 的值有三种取法： a 取第一个实测数据值；b 取最初几个实测数据的均值；c 凭经验选取。 平滑系数口值对平滑效果影响很大。实际选择口时，可用不同的口值试算，根 据实验的结果进行确定。在选取口时，要充分考虑本期的实际数和预测数对下一 期预测数影响的大小。一般地，当时间序列变动比较平稳，或虽有不规则的起伏， 但长期趋势稳定时，口可取较小的值位( o 0 5 ，0 3 ) ) ；而当动态数列变动较大，不 具有长期稳定趋势时，应取对近期依赖程度较大的口值。此时，口( o 3 ，o 5 ) 或更 大一些。 2 4 2 二次指数平滑法 在一次指数平滑预测公式中，无论是一步预测还是多步预测都使用同一个公 式，这对没有趋势的稳定序列是可行的。但是，若是用上升或下降趋势明显的需 求序列上就不够理想。二次指数平滑就是为了弥补这种缺陷而设计的一种方法。 所谓二次指数平滑法，是对一次指数平滑后的序列数据再作一次指数平滑，其平 滑公式是： 砰= 口剐+ ( 1 + 口) 晕i ( 2 1 9 ) 这里，爿= 口一l + ( 1 一口) 毛一l = 毛 而砰是二次指数平滑值，口为平滑常数。 s 中船舶航行危险预测技术的研究 同一次指数平滑公式一样，在使用二次指数平滑公式时，也涉及初始值霹的 选取问题。但随着时间的推移，初始值的影响是很小的，其取法与一次指数平滑 初值的取法相似。 由于时间序列数据有线性趋势，故设线性预测方程为 x t + r = a t + 6 f r ( 2 2 0 ) 称为预测时效。由指数平滑方法的基本定理可以证明 f 口f = 2 霹一簧 1 6 i = 尚( 霹瑚 q 。等d 在海上交通事故的发展变化呈现比较明显的线性上升或下降特征时，用二次指 数平滑法建立趋势预测模型常常能收到较好的效果。 2 4 3 三次指数平滑法 当海上交通事故数据分布呈现二次曲线趋势时，一般情况下二次指数平滑法不 再适用，要用三次指数平滑法，即非线性预测模型。该模型是在二次指数平滑的 基础上，对事故序列进行三次指数平滑，构成三次指数平滑序列霹： $ = 口算+ ( 1 + 口) $ i ( 2 2 2 ) 三次指数平滑非线性模型预测公式为 ；，+ f - - a t + 勿f + q r 2 ( 2 2 3 ) 其中，平滑系数 a t = 3 s ：一3 s ：+ s ： 包2 焘 ( 6 嘞) 酬一2 ( 5 4 口) 砰+ ( 4 嘲) 霹】( 2 2 4 ) c f2 互石备 掣一2 彰+ s j 一般地，在有曲率的地方，三次平滑预测比二次平滑预测精度要高一些。 第2 章常用的船舶航行危险预测方法 2 5 各种预测方法的优缺点比较 本论文拟在分析现有海上交通事故预测方法的基础上，针对现有模型和方法存 在的一些不足，进行有益的探索和研究。面对海上交通系统的非线性、随机性、 动态性以及不确定性特点，上述海上交通事故预测方法，表现出明显的不足： 1 回归分析预测模型能较好地反映交通事故与相关变量间的因果关系，并能 较容易地建立预测模型。但是它具有的主要缺点是： 1 )模型的建立要求大样本量： 2 )要求事故样本具有典型的分布规律，对于非典型概率分布，非平稳过程 的问题无法取得满意的预测效果； 3 )模型计算工作量大； 4 ) 模型缺乏对海上交通系统结构和事故发生机理的描述，模型掩盖了海上 交通系统非线性、动态时变的特点。 2 指数平滑法能平滑随机干扰和周期波动，且计算简单，但周期n 大时，平 均作用才显著。而当周期n 大时，却又会使海上交通事故数据减少很多，所以指 数平滑法要求海上交通事故时间序列数据量大，而且仅对线性趋势作短期预测效 果好。由于海上交通系统呈现出非线性等特点，所以指数平滑法用于海上交通事 故预测精度不高。 3 灰色事故预测的主要优点有：灰色预测具有所需信息较少，计算简便，精 度较高等特点，它克服回归模型缺点，不必罗列影响海上交通事故的因素数据， 而是从事故自身时间数据序列中寻找有用信息，探究其内在规律，建立g m ( 1 ，1 ) 模型进行预测。 灰色事故预测的主要缺点是：以指数型曲线去拟合原始数据，其预测结果几何 图形是一条较为平滑的曲线，因而对于波动性较大的交通事故数据列拟合较差， 预测精度较低。虽然狄色预测模型本身也具有一些提高预测精度的方法，如残差 辨识法以及提高预测模型阶数等方法，但是对于波动性较大的非平稳数列的预测， 预测结果精度较低，甚至可能增大误差。 综上所述，常用的海上事故预测多是从纯数学的角度进行建模、分析和预测， 而没有对海上交通事故发生的原因进行分析，不能够揭示海上交通事故的发生同 v t s 中船舶航行危险预测技术的研究 海上交通系统人一船一环境之间的复杂非线性关系。而人工神经网络技术具有极 强的非线性映射能力，可灵活方便的对多成因的复杂未知系统进行建模分析，因 此本文采用人工神经网络原理对船舶航行危险进行预测分析。 第3 章基于神经网络的船帕航行危险预测模型设计 第3 章基于神经网络的船舶航行危险预测模型设计 历年的海上交通事故统计数据表明，某一地区一定时期的海上交通事故数的统 计数据是在一定范围内变化与时间坐标有关的随机变量，一列初看起来似乎杂乱 无章的交通事故统计数据后面，实际上必然隐藏某些客观规律，预测就是要利用 这些规律对事故的未来的发展趋势和水平做出判断和推测。而要达到这个目的， 就要选择适当的预测方法，使预测模型能够充分体现这个规律，使预测的结果能 够更加“贴近一事故发展的状况，因此，预测方法就应该根据预测对象历史的表 现规律，根据人们对影响预测对象未来发展变化的种种因素的认识程度根据未 来这些影响因素可能的变化情况来选择。 我们已经知道，海上交通事故足由自然、航道、交通、船舶、船员及管理这6 个条件单独或综合作用于人一船一环境所组成的海上交通系统，使系统在其自身 的运动中某些因素产生不协调动作而造成的。影响船舶航行安全的各个因素之间 有着复杂的交互作用，而b p 神经网络揭示数据样本中蕴含的非线性关系，大量处 理单元组成非线性自适应动态系统，具有良好的自适应性、自组织及很强的学习、 联想、容错和抗干扰能力，在不同程度和层次上可模仿大脑的信息处理机理，可 灵活方便的对多成因的复杂未知系数进行建模。因此，本文采用b p 神经网络的模 型对船舶航行危险进行预测。 3 1 人工神经网络基本理论 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，简称a n n ) ，亦称为神经网络 ( n e u r a ln e t w o r k s ，n n ) 是基于模仿人类大脑的结构和功能而构成的一种信息处理 系统或计算机系统，它具有很多与人类智能相类似的特点，诸如结构与处理的并 行性、知识分布存储、容错性强、通过训练学习可具备适应外部环境的能力、模 式识别能力和综合推理能力等。它是模仿生理学上的人脑神经网络的结构和功能 的数学模型，由大量人工神经元联接而成的一种能够进行复杂的逻辑操作的自适 应非线性动态信息处理系统。它能从己知数据中自动的归纳规则，获得这些数据 的内在规律，具有很强的非线性映射能力。人工神经网络己经广泛的应用于模式 识别、信号处理及人工智能等各个领域【2 9 】【3 0 1 。 v t s 中船舶航行危险预测技术的研究 3 1 1 人工神经网络的基本概念 1 9 4 3 年心理学家w m c c u l l o c h 和数理逻辑学家w p i t t s 首先提出了一个 简单神经网络模型，如图3 1 所示。 r 乃 ： 毛j ； _ 一 图3 1 神经元结构模型 f i g 3 1n e u r o ns t r u c t u r em o d e l 神经元的输入输出关系可描述为： 一 = 彩_ - o , = ( - o j i x j ( c o o f = 一只，x o = 1 ) i = 1j = o y ，= f ( 1 ，) ( 3 1 ) 其中，乃( j f 2 1 ，2 ，n ) 是从其它细胞传来的输入信号，包为阈值，彩表示 从细胞到细胞f 的连接权值，厂( ) 称为传递函数，反映了输入输出的一种映射关 系。它可以是线性函数或非线性函数。线性函数主要有阶跃函数、一般线性函数 和分段线性函数，分别见图3 2 中的( a ) 、( b ) 和( c ) 。非线性函数主要指s 形函数 ( s i g m o i df u n c t i o n ) ，常用的有指数函数和正切函数以及二者的组合形式。s 型函 数的表达式为式( 3 2 ) ，图形如图3 3 所示。 f ( x ) = 丽1 ( 3 2 ) 第3 章基于神经网络的船舶航行危险预测模型设计 jl h 矽 r ox jl1 、 ， ， l r 0， l t t x 9 厂 r 0 x ( a ) 阶跃函数( b ) 线性函数( c ) 分段线性函数 图3 2 三种线性传递函数图形 f i g 3 21 1 l i n et r a n s f e rf u n c t i o ng r a p h s f i j f 一 o ； 1 - - r - _ 图3 3 非线性传递函数图形 f i g 3 3n o l i n e a rt r a n s f e rf u n c t i o ng r a p h 人工神经网络有以下几个突出的优点【3 l 】： ( 1 ) 高度的并行性。人工神经网络是有许多相同的简单处理单元并联组合而 成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，使其对信息的 处理能力与效果惊人。 ( 2 ) 高度的非线性全局作用。人工神经网络每个神经元接受大量其他神经元 的输入，并通过并行网络产生输出，影响其他神经元。网络之间的这种互相制约 和影响，实现了从输入到输出的非线性映射。 ( 3 ) 良好的容错性与联想记忆功能。 ( 4 ) 十分强的自适应、自学习功能。人工神经网络可以通过训练和学习来获 得网络的权值与结构，呈现出很强的自学习能力和对环境的适应能力。 v t s 中船舶航行危险预测技术的研究 因此，本文采用神经网络理论对船舶航行危险作出预测和分析。 3 1 2 人工神经网络的网络类型和拓扑结构 目前人工神经网络的结构类型主要有前向网络( f e e d f o r w a r dn n s ) 、反馈网络 ( f e e d b a c kn n s ) 和自组织网络( s e l f - o r g a n i z a t i o nn n s ) ，每一种类型又有不同的 拓扑结构，见表3 1 。 表3 1 神经网络模型结构类型 t a b 3 1n e u r a ln e t w o r ks t r u c t u r et y p e 类型 前向网络反馈网络自组织网络 名称 感知器 a r t 网络( a d a p t i v e h o p f i e l d 网络 ( p e r c e p ti o n ) r e s o n a n c et h e o r y ) b p 网路b s b 网络c p n 网络( c o u n t e r 网 ( b a c k p r o p a g a t i o nn n )( b r a i n - s t a t e i n a b o x )p r o p a g a t i o nn e t w o r k ) 络 g m d h 网络( g r o u pb a m 网络( b i d i r e c t i o n a l 名 m e t h o do fd a t ah a n d li n g ) a s s o c i a t i v em e m o r y ) 称 r b f 网络( r a d i a lb a s i s回归b p 网络( r e c u r r e n t f u n c t i o n ) b a c k p r o p a g a tio n ) t d n n 网络玻尔兹曼机网络 ( t i m ed e l a yn n )( b o lt z m a n n ) 前向网络也称多层