上海港水域船舶溢油事故分析及发展趋势预测

摘要

随着我国、上海及其周边地区经济、对外贸易发展，上海港的地位逐步提升为国际航运中心，上海港将吸引越来越多的货物、船舶挂靠。根据交通部的统计数据，上海港的吞吐量从1990年的13960万吨增长到2005年的44320万吨，年均增长速度为8．8％。上海港进出港船舶的增加以及船舶吨位的增大、船速的加快，使交通环境发生变化，船舶溢油事故时有发生，并且平均每次事故的溢油量越来越大。船舶事故性溢油是突发性的、不确定的，而它给海洋造成的危害却往往是灾难性的。 为了减小船舶溢油事故所造成的危害，就需做好事先预防和事后应急处置。事后应急处置指发生海上溢油事故之后，开展的应急救助和清污行动。事后应急处置的成效主要取决去油应急反应体系建立情况。而对船舶溢油事故的中、长期预测是确定所需应急资源多少的重要依据。 本文着重建立船舶溢油事故的支持矢量机(SVM)预测模型，另外，还建立相关的灰色预测模型、投影寻踪预测(PPR)模型、BP神经网络模型：并将SVM模型与上述三模型进行对比。 研究内容简述如下： 在第一章中，主要阐述船舶溢油事故预测及其相关领域目前的研究现状，并概述，本文的研究内容。在第二章中，分析上海港年溢油事故的规律、影响因素(预测参数)，并利用时间序列法对预测参数未来的值进行预测。在第三章中，阐述统计学习理论，及支持矢量机(SVM)的基本原理和算法。在第四章中，阐述本文实现SVM的步骤，并利用Matlab软件建立该模型；然后将该模型用于上海港水域船舶溢油事故的预测。在第五章中，SVM模型与灰色模型、PPR模型、BP网络模型比较，并分析SVM模型预测精度高的原因。在第六章中，总结研究成果及不足。

目录

文摘

英文文摘

声明

第1章 绪论

1．1研究背景及意义

1．1．1研究背景

1．1．2研究意义

1．2船舶溢油趋势预报国内外研究现状

1．3本文主要内容

1．4本文章节安排

第2章 上海港水域船舶溢油事故分析

2．1船舶溢油事故界定及分类

2．2上海港水域船舶溢油事故分析

2．3上海港水域船舶溢油事故影响因素分析

2．4船舶溢油事故影响因素预测

2．5小结

第3章 统计学习理论与支持矢量机

3．1引言

3．2统计学习理论基础

3．2．1VC维(Vapnik-Cheronenkis)

3．2．2经验风险最小化归纳原则(ERM)

3．2．3结构风险最小化归纳原则(SRM)

3．3支持矢量机(SVM)

3．3．1支持矢量分类机(SVC)

3．3．2非线性SVC及核函数

3．3．3支持矢量回归机(SVR)

3．3．4SVM训练算法及新发展

3．4SVM对小样本的推广能力

第4章 支持矢量机在上海港船舶溢油事故预报中的应用

4．1SVM预测模型

4．1．1数据预处理

4．1．2SVM核函数及相关参数的选择

4．1．3SVC建模步骤

4．1．4利用Matlab建立SVM模型

4．2SVM模型应用案例

4．2．1预测参数选择

4．2．2标准化形式选择

4．2．3SVM模型应用案例

4．3小结

第5章 SVM模型与其它模型比较

5．1引言

5．2上海港水域溢油事故灰色预测模型

5．2．1灰色分析模型GM(1，1)

5．2．2灰色预测模型在上海港水域船舶溢油事故中的应用

5．3上海港水域溢油事故投影寻踪预测模型

5．3．1投影寻踪(PP)简介

5．3．2投影寻踪回归(PPR)原理及算法简介

5．3．3基于遗传算法和神经网络的PPR模型自动选择

5．3．4PPR应用案例

5．4上海港水域溢油事故BP神经网络预测模型

5．5预测模型比较

第六章 结论与展望

致谢

参考文献

附录