基于BP神经网络的海上交通流冲突严重度评价研究

摘要

近年来，我国经济飞速发展以及国家海洋和航运强国战略实施，对海上交通安全提出了更高的要求。而海上交通流复杂性增加，现代船舶高速化和大型化发展，进一步加大了海上交通安全监管难度。对海上交通风险开展分析和研究，需要利用更加前瞻性的方法，以更好地避免海上交通事故发生，提高海域内船舶航行的安全性。而对海上交通流冲突严重度开展评价是揭示交通流特征、规律、机理和演进的基础性工作，不仅可以分析水域海上交通的安全状况，为管理部门采取交通管理措施提供决策依据，而且对预防海上交通事故具有积极的参考作用。 现有海上交通安全评价方法在评价指标关系模糊、来源不清等情况下难以运用，且主观性较强，客观性不足可能导致评价结果严重偏离。为此，本文对交通流冲突影响因素进行了分析，提取了船型分布、船舶尺度分布、船速分布、航向分布等11项影响因子，建立了基于BP神经网络的海上交通流冲突严重度评价模型。由于不同水域数据之间差异性较大，在BP神经网络训练过程中，原始数据之间的差异性会间接影响BP神经网络的训练效率和评价精度，因此本文将训练数据按照欧几里得度量进行归类，以减少不同类别之间数据的差异性，并将分类数据分别进行网络训练与验证。为更加科学全面地评价海上交通流冲突严重度，本文选取的影响因子较多,而BP神经网络输入层因素太多也会增加网络计算复杂度和精确度，因此运用主成分分析法对影响因子进行成分降维，由少数几个主成分代替原有的影响因素。在数据归类与降维后，通过网络训练进行函数比较，确定最符合模型设定要求函数精度和迭代次数，以构建最终评价模型。本文运用了9个水域的历史统计数据对模型进行了验证，通过比较原始数据与聚类降维数据在BP神经网络中的评价精度，发现评价平均误差从10.9%降低到2.8%，进一步验证了BP神经网络在该领域的可行性。结果表明，该评价模型利用聚类分析、主成分分析法与BP神经网络相结合的方法，不仅客观性较强，而且与单一使用BP神经网络相比更进一步提升了评价结果的精度。最后本文利用该评价模型对老铁山至京唐港水道2016年数据进行评价与分析。

目录

声明

第1章 绪 论

1.1 选题背景

1.2 国内外研究现状

1.3 研究目的和意义

1.4 研究内容和技术路线

第2章 海上交通流冲突基础理论

2.1 海上交通流理论基础

2.2 海上交通流冲突概念及分类

2.3 本章小结

第3章 海上交通流冲突严重度

3.1 海上交通流冲突严重度及影响因素

3.2 冲突严重度影响因素定性分析

3.3海上交通流冲突严重度评判体系构建

3.4本章小结

第4章 交通流冲突严重度评价模型构建

4.1 聚类分析算法

4.2 主成分分析算法

4.3神经网络算法

4.4海上交通流冲突严重度评价模型

4.5 本章小结

第5章 模型验证与分析

5.1原始数据聚类分析

5.2 聚类数据的主成分分析

5.3 BP神经网络训练与验证

5.4 数据验证与分析

5.5 实例计算

5.6 本章小结

第6章 结论与展望

6.1 主要结论

6.2 展望

致谢

参考文献

攻读硕士学位期间发表的论文及参加的科研情况

附 录 A

附 录 B

附 录 C