基于功效系数法与BP神经网络的造船业风险预警研究
基于功效系数法与BP神经网络的造船业风险预警研究
基于功效系数法与BP神经网络的造船业风险预警研究造船业是一个重要的制造业领域，其发展对于推动国家经济增长、提升国际竞争力具有重要意义。
然而，受全球经济形势、市场需求、技术进步等因素的影响，造船业存在着诸多风险，如市场风险、技术风险、经营风险等。
因此，对造船业风险的预警和管理至关重要。
功效系数法是一种常用的风险评估方法，通过计算各个指标的加权得分来评估风险，是一种简单、直观的方法。
而BP神经网络则是一种模拟人脑神经元运作方式的数学模型，可以通过大量的历史数据进行训练，从而实现对未来风险的预测。
将功效系数法与BP神经网络相结合，可以更全面、准确地评估和预警造船业的风险。
首先，通过功效系数法对造船业的风险指标进行评估。
造船业的风险指标包括市场需求、技术水平、竞争状况、财务状况等多个方面。
针对每个指标，可以设定相应的权重，通过对各指标进行加权得分，得到对造船业整体风险的评估。
这样可以对不同方面的风险进行量化，更加全面地了解整个行业的风险状况。
其次，利用BP神经网络对造船业的风险进行预测。
通过历史数据的输入和输出，可以对造船业未来的风险进行预测。
可以将历史数据中的市场需求、技术水平、竞争状况、财务状况等作为输入节点，将风险等级作为输出节点，通过大量数据的训练，建立起一个有效的风险预测模型。
这种方法可以更加客观、科学地进行风险预警，为风险管理提供有力支持。
最后，将功效系数法和BP神经网络相结合，进行造船业风险的综合预警。
将功效系数法得到的风险评估结果作为BP神经网络的输入，结合历史数据进行训练，建立起一个更加全面、准确的风险预警系统。
通过这种综合方法，可以及时、准确地预警造船业的风险，为相关企业和政府部门提供参考，指导其风险管理和决策。
总的来说，基于功效系数法和BP神经网络的造船业风险预警研究可以更加全面、准确地评估和预警风险，为相关企业和政府部门提供重要参考。
未来，可以进一步完善模型，提高预警的准确性和时效性，促进造船业的可持续发展。
基于BP神经网络的客滚船营运风险评估
一
、
客 滚 船 营 运 风 险 原 因 分 析
（ ） 一 环境 因素
航 行 环 境是 指 船 舶 航 行所 处 的 自然和 人 工 背景 ， 包
括 航 道 、港 口、水 文、 象等 。这 些 因素 会 对船 舶 产 生单 气 独 和综 合 影 响。航 道 的风 险 源于 浅滩 、 石、航道 弯头 狭 礁
颌 Ｌ研 究 牛 ，主要 从 事 航 海 教 育研 究 。 ：
中国海事 ４９
械 、 筒、灯 标 等港 口设 施 发 生碰 撞 。 象、海 况 恶劣 则 浮 气
是事 故发 生的重 要原 因。 （ ） 为因素 二 人
ｕ １ 总长 Ｕ ，型宽 Ｕ１ ，车位 Ｕ｜ ，客位 Ｕ川， 龄 ＝（ １ ２ １ ３ 船
法与 实际相符 ，为客 滚船 风险 评估提 供 一条 新 的途径 ．
关键 词 ：客 滚船 ；Ｂ 神 经 网络 ；营运 风 险 Ｐ
低 风 险 。 滚 船 在 驶 离始 发 港 口区 域 后至 到 达 目的港 口 客 区域 前 的海 上 航 行 过 程 中 ， 由于 船 舶 设备 故 障 、 货车 载 辆故 障、 员未谨 慎 驾驶 、 船 旅客 责任 、 环境 恶 劣 等方面 的
窄 、 速 流 向 多变 的急 流 ； 标 的灭 失和 移 位 ； 、 流 航 雾 雨、 雪等 导 致 的能 见 度 不 良 ， 大风 及 其 掀 起 的风 浪和 涌 浪 ，
中图分 类号 ：Ｕ６ ８ ９ 文献标 志 码 ：Ａ
潮 汐异 常导 致 的潮 高 、 流紊 乱 等。 口的 风 险， 自管 潮 港 来
BP神经网络在船舶与海洋工程中的应用研究
BP神经网络在船舶与海洋工程中的应用研究
高明正;张火明;金尚忠
【期刊名称】《舰船科学技术》
【年(卷),期】2008(030)001
【摘要】人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型.仅通过学习样本数据即可以进行预测.介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了优化,给出了改进的三层BP神经网络算法.最后结合船舶与海洋工程的一些实际问题.探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实验表明,神经网络的预测精度在船舶与海洋工程是可以接受的.
【总页数】8页(P34-40,44)
【作者】高明正;张火明;金尚忠
【作者单位】中国计量学院信息工程学院,浙江,杭州,310018;中国计量学院信息工程学院,浙江,杭州,310018;中国计量学院信息工程学院,浙江,杭州,310018
【正文语种】中文
【中图分类】U661.3
【相关文献】
1.改进的BP神经网络在船舶与海洋工程中的应用研究 [J], 张火明;孙志林;高明正
2.PCA算法在银屑病BP神经网络建模中的应用研究 [J], 詹秀菊
3.BP神经网络在跨既有线高速铁路桥梁施工安全风险评估中应用研究 [J], 刘冬冰
4.改进的BP神经网络在车辆目标识别中的应用研究 [J], 刘路
5.人工蜂群算法+BP神经网络模型在短期电力负荷预测中的应用研究 [J], 王天力因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进BP神经网络的船舶操纵性能预报
Ｚ Ａ ｅｊｎ， Ｘ Ｏ ｅ － ａ Ｈ Ｏ Ｘｕ－ ｕ Ｉ ＮＧ Ｗ ｎ ｈ ｉ
（ ｉｇａ ｃａ ｈ ｐｎ ａ ｎｒ Ｃ ｌ ｇ ，Ｑｎｄｏ２６ ７ ，Ｃ ｉ ） Ｑｎｄ ｏＯ ｅｎＳ ｉ ｉｇＭ ｒ ｅ ｏｅｅ ｉ ａ ６ ０ ｈｎ ｐ ｉ ｓ ｌ ｇ １ ａ
Ａｂ ｔａｃ ：Ｔａ ｉｇ ｔ ｕｎｉｇ ｐ ｒｏｍａ ｃ ｆａ ｓｎ ｌ ｃ ｅ ｓ ｉ ｓｅ ａ ｌ ｈ ｅ ｍｅ ｏ ｏ ｓａ ｌｓ ｍｅ ｔｏ ｈ ｔｅ ｔ ａ ｄ ｌｏ ｈｐ ｓｒ ｔ ｋｎ ｈｅ ｔｒ ｎ ｅｆ ｒ ｎ ｅ ｏ ｉｇｅ ｓ ｒｗ ｈ ｐ ａ ｘ ｍｐｅ．ｔ ｔ ｄ ｆｒｅ ｔｂ ｉｈ ｎ ｆｔｅ ｍａｈ ｍａｉ ｌｍｏ ｅ ｆｓ ｉ ｈ ｃ ｍａ ｅ ｖ ｒｂｌｔ ｙ ｕ ｉｇ ｍｏ ｉ ｅ ｅ ｒｌａｇ ｒｔｍ ｓ ｉｖ ｓｉａｅ ｎ ｔ ａ ｅ ｎ ｔ ｉ ｌｔｏ ｓｃ ｒｉｄ ｏ ｔｗｉ ｎ ｕ ｅａ ｉｉ ｂ ｓｎ ｄ ｆ ｄ ＢＰ ｎ ｕａ ｏ ｉ ｙ ｉ ｌ ｈ ｉ ｎ ｅ ｔ ｔｄ ｉ ｈｅ ｐ ｐ ｒ ａ ｄ ｉｓ ｓｍｕａｉｎ ｉ ａｒｅ ｕ ｔ ＭＡＴＬＡＢ ａ ｇ ｇ ｇ ｈ ｌ ｕａ ｅ． ｎ
述， Ｂ 而 Ｐ神经 网络方 法 就是 构造 一个 非线 性 动态 系 统 ， 这个非线 性 动态 系 统通 过对 样 本 的学 习建 立起 网络
Ｔｈ ｓ ｌｓｏ ｅ ｒ ｓ ａｃ ｎ ｃ ｔ ｈ ｔｔ ｅ ｍｏ ｉｅ Ｐ ｅ ｏｋｓｈ ｖ ａ ｔｒｃ ｎ ｅｇ ｎ ｅ ｓ ｅ ｄ ａ ｄ ｂ ｔｅ ｒｄｃ ｉｎ ｐｅ ｉｉｎ ｔ ａ ｏ ｍａ ｅ ｒｕｔ ｆｔ ｅ ｅ ｒ ｈ ｉｄｉａｅｔ ａ ｄｆ ｄ Ｂ ｎ ｔ ｒ ａ ｅ ｆｓｅ ｏ ｖ ｒｅ ｃ ｐ ｅ ｎ ｅｔｒｐｅ ｉｔｏ ｒｃｓｏ ｎ ｎ ｒ ｌＢＰ ｈ ｈ ｉ ｗ ｈ
BP神经网络在船舶运动估计中的应用
中图分类号：
Ship motion estimation based on BP neural network
ZHANG Li （ Beijing Industrial Vocational and Technical College ， Beijing 100042 ， China） Abstract： Ship motion estimation plays an important role in ship safety ，energy saving． In this
［1 ］
X2
Xn神经网络结构 Three layer BP neural network architecture
文首先利用附加动量的弹性梯度下降法对传统的神 经网络进行改进， 弥补传统 BP 神经网络学习速度 慢的缺点； 然后给出一种基于 BP 神经网络的船舶 运动预测方法， 通过 BP 神经网络较强的计算与自 适应能力，实现对船舶动态信息的准确预测 。
收稿日期： 2016 － 03 － 14 作者简介： 张莉（ 1982 － ） ， 副教授， 研究方向为概率统计及应用数学 。 女， 硕士，
· 14·
舰
船
科
学
技
术 u（ t） = u（ t － 1 ） + Δu（ t） ， u （ t ） = K P e（ t ） +
第 38 卷
计算时间长的缺点， 加快收敛速度。 该权值调整方 法如下： t + 1 时刻，权值 W（ t + 1 ） 的调整公式为： W（ t + 1 ） =
paper，a ship motion estimation method based on BP neural network was presented． BP neural network has strong self － learning and self adaptation ability ，the improved BP neural network model was applied to ship motion estimation，which could accurately predict the dynamic information of the ship． Key words： ship motion estimation； BP neural network ； additional momentum 的多层前馈网络。Ｒobert Hecht － Nielson 证明 3 层的 BP 神经网络能够有效逼近任意连输函数［2］。3 层神 经网络的基本结构如图 1 所示。
基于改进神经网络算法的舰船操纵性能预报系统
Research on prediction system of ship maneuverability based on improved neural network algorithm
LAI Min (Chongqing Engineering Colleage, Chongqing 400030, China) Abstract: Aiming at the shortcomings of low prediction accuracy, poor stability and slow efficiency of traditional Ship Maneuverability Prediction System, a new Ship Maneuverability Prediction System Based on improved neural network is designed. The improved neural network algorithm is improved by using the conjugate gradient method instead of the original gradient descent algorithm to improve the standard neural network algorithm easily to fall into the local optimum solution. The composition of ship handling stability is described by matrix method, and the prediction system of ship handling stability is designed by using improved neural network algorithm. The experimental results show that the designed system has high prediction accuracy, strong stability and fast efficiency. It can effectively predict the ship handling stability. Key words: neural network；ship handling stability；dynamics；prediction；model
基于bp神经网络的船舶网络安全状态评价
Abstract: Ship network is a special mobile network, which faces huge security risks. The deviation of traditional linear ship network security status evaluation is large and the result is very unscientific. In order to improve the effect of ship network security status evaluation, a ship network security status evaluation method based on BP neural network is designed. This method firstly analyses the influencing factors of ship network security state evaluation, collects the data of ship network security state evaluation, and then takes the influencing factors and ship network security state evaluation as the input and output of BP neural network respectively. Through BP neural network learning, the ship network security state is evaluated. Finally, VC is adopted. The simulation experiment of ship network security state evaluation is realized by programming. BP neural network can distinguish different kinds of ship network security state. The accuracy of ship network security state evaluation has been greatly improved. At the same time, the efficiency of ship network security state evaluation has been improved, which can effectively ensure the safety of ship network.
基于BP神经网络的船舱温度预警系统
基于BP神经网络的船舱温度预警系统船舱温度控制是保障船舶安全和乘客安全的关键因素之一。
随着科技的不断发展，人们希望能够通过智能技术来实现对船舱温度的自动监测和控制。
BP神经网络是一种常用于数据预测和分类的机器学习算法，可以通过对历史数据的学习来预测未来温度值。
因此，本文将基于BP神经网络构建一套船舱温度预警系统。
系统架构本系统基于客户端/服务器模型，分为两个部分：温度采集模块和预测模块。
温度采集模块负责实时采集船舱的温度数据，并将其发送给预测模块。
预测模块通过BP神经网络算法来训练历史数据，从而预测未来的温度趋势。
当预测模块检测到船舱温度可能超过安全范围时，将发出报警信号提醒操作人员及时采取措施。
功能模块1. 数据采集模块：该模块负责采集船舱内的温度数据，并实现数据的实时传输，以便预测模块进行处理分析。
2. 数据处理模块：该模块是整个系统的核心，使用BP神经网络算法对历史温度数据进行学习，形成预测模型，并根据输入的实时温度数据输出相应的温度趋势预测结果。
3. 预警提示模块：该模块用于监测船舱温度是否达到预警值，当温度接近或超过预警值时，系统将自动进行报警提示，并通过界面上的警告灯等方式提示操作人员及时采取措施。
4. 手动控制模块：该模块用于手动调节船舱内的温度，当预警提示模块发生警告时，运营人员可以通过该模块进行手动控制。
优点1. 预测准确：基于BP神经网络算法的预测模型，在对历史数据进行学习的情况下，可以预测出较为准确的未来趋势，以便运营人员及时采取灵活措施。
2. 可自主控制：整个系统采用客户端/服务器模型，可以进行自主控制。
3. 面向未来：BP神经网络算法是一种面向未来的学习算法，具有很好的实时性和预见性。
缺点1. 数据需求量大：BP神经网络算法需要大量的历史数据进行训练，否则其预测效果不佳。
2. 计算成本高：BP神经网络算法需要进行大量的运算才能得到预测结果，因此需要较高的计算资源支持。
结论本系统基于BP神经网络算法构建的船舱温度预警系统具有明显的优越性。
基于周期图和神经网络船舶运动预报方法研究的开题报告
基于周期图和神经网络船舶运动预报方法研究的开题报告一、研究背景随着航运业的发展，对于船舶运动预报的需求越来越高。
船舶运动预报是指对船舶在水域中的运动状态进行预测，通常包括航向、航速、位置等信息。
船舶运动预报在船舶交通、海上救援、气象海洋预报等领域都有着广泛的应用。
传统的船舶运动预报方法主要是基于数学模型进行预测。
但由于船舶与海洋环境的复杂交互作用和非线性效应，数学模型预测的准确度不高。
因此，近年来，一些研究者开始探索利用机器学习方法来预测船舶运动状态。
二、研究目的与意义本研究的主要目的是基于周期图和神经网络，建立高准确度的船舶运动预报模型，并探讨预测模型的应用效果和优化方法。
具体目标如下：1. 建立基于周期图和神经网络的船舶运动预报模型，并对模型进行评估和优化。
2. 对比传统的数学模型方法和基于机器学习的船舶运动预报方法，在预测准确度、计算效率等方面进行比较分析。
3. 将预测模型应用于真实的船舶运动预报场景中，并对预测结果进行验证和优化。
本研究的意义在于，提高船舶运动预报的预测准确度和稳定性，为航运业提供更加可靠的服务。
此外，研究中使用的机器学习方法也具有一定的普适性，可以为其他领域的预测任务提供借鉴和启示。
三、研究内容与方法本研究将基于周期图和神经网络，建立船舶运动预报模型。
具体内容和方法如下：1. 数据采集和处理。
通过对历史船舶运动数据的采集和处理，建立可用于训练预测模型的数据集。
2. 周期图分析。
利用周期图方法，对船舶运动状态数据进行分析，并提取周期成分和趋势成分等特征。
3. 神经网络建模。
以提取的周期成分和趋势成分作为输入，建立神经网络模型，进行船舶运动状态的预测。
4. 模型评估和优化。
对建立的预测模型进行评估和优化，提高模型的预测准确度和稳定性。
5. 应用与验证。
将优化后的预测模型应用于真实的船舶运动预报场景中，并对预测结果进行验证和优化。
四、研究计划与进度安排本研究预计历时12个月，具体的计划与进度安排如下：第1-2个月：文献调研和相关技术学习；第3-5个月：数据采集和处理；第6-7个月：周期图分析和预处理；第8-10个月：神经网络建模和优化；第11-12个月：模型应用与验证、论文撰写和答辩。
BP神经网络预测技术在船舶与海洋工程中的应用研究
BP神经网络预测技术在船舶与海洋工程中的应用研究张火明，杨建民(上海交通大学船舶与海洋工程学院，上海，200030)摘要：人工神经网络作为一个具有高度非线性映射能力的的计算模型，在工程中具有广泛的应用前景。
在数值预测方面，它不需要预选确定样本的数学模型，仅通过学习样本数据即可以进行预测。
本文结合船舶与海洋工程的一些实际问题，探讨了利用BP神经网络进行数值预测的方法和应该注意的问题，并给出了一些有益的建议。
关键词：人工神经网络，BP网络，数值预测，船舶与海洋工程中图分类号：U661.3 文献标识码：AApplication Study on Applying BP Neural Network Numerical PredictingTechnology in Ship and Ocean EngineeringZHANG Huoming, YANG Jianmin(School of Naval Architecture &Ocean Eng. , Shanghai Jiaotong Univ. , Shanghai 200030, China)Abstract: Artificial neural network(ANN), as a computing model possessing high-nonlinear mapping ability, has a wide application future in engineering. In the numerical values forecast, it needn’t predefine the sample’s mathematical model, only by means of studying the sample data it can be used for predicting. In this paper, combined with some practical problems in ship and ocean engineering, the method of how to use the BP-NN in numerical predicting and the problems which should be paid attention to is discussed, and some helpful advice is given.Key words: artificial neural networks, BP neural networks, numerical values predicting, ship &ocean engineering0 引言人工神经网络[1]（ANN-artificial neural networks）是属于人工智能（Artificial Intelligence）范畴的一种计算技术，它根据人们对生物神经网络的研究成果设计出来，具有良好的数学描述，可以方便的用计算机程序加以模拟。
基于神经网络的船舶市场风险预警研究
Market市场研究基于神经网络的船舶市场风险预警研究①上海海事大学 余思勤 项一叶 刘振摘 要：本文将市场均衡理论与BP神经网络相结合，从新船价格、新船订单量和完工量三个指标来衡量我国船舶市场的风险。
采用专家评分法得出样本数据的警情，用训练样本数据训练BP神经网络预警模型，通过测试样本进行模型检验，并对2012年造船市场风险进行预警。
关键词：市场均衡 BP神经网络 造船业风险 预警中图分类号：F713 文献标识码：A 文章编号：1005-5800(2012)12(a)-092-02中国造船业自2003年经历了5年的兴旺后，目前面临着交船难、订单难等一系列风险，船舶市场开始衰退，风险逐渐积聚。
2010年，船舶市场短暂回暖，但在接下来的2011年重新出现新船订单减少、手持订单量快速下滑的严峻形势，船舶市场再一次迎来严重的风险危机。
为了更好的应对风险，对船舶市场进行风险预警研究具有很强的实现紧迫性。
从以往的风险预警研究来看，学者们运用人工神经网络对房地产市场、供应链、财务状况等进行风险预警的研究比较多，但是对造船市场进行风险预警研究的文献较少。
陶永宏、陈定秋和戈铮(2009)对造船行业风险进行过定性分析，尚未开展深入的定量化分析[1]。
陶永宏和祁爱琳(2010)将功效系数法与BP 神经网络相结合来衡量我国造船业的风险，采用功效系数法获得历史数据警情，用历史数据训练模型并检验模型的预警能力，并对2011年前的造船业市场进行了风险预警[2]。
闫彩良和万欣(2011)建立了西安房地产预警系统[3]。
王楠(2010)利用BP神经网络对房地产市场进行预警研究[4]。
还有其他的学者利用神经网络分别对农产品和商业银行进行风险预警的研究[5][6]。
本文从船舶市场风险的本质出发，首先从市场均衡的角度分析船舶市场风险的起源，并利用BP神经网络对船舶市场进行风险预警研究，这将对我国船舶市场风险防范具有一定的指导意义。
1 船舶市场风险预警模型构建和应用1.1 预警指标选取和警度确定从市场均衡理论出发，本文选择造船完工量、新增订单量及船舶价格指数三个指标作为风险预警的响因素，即市场均衡中的供给、需求和价格三要素。
基于神经网络的船舶市场风险预警
Market市场研究0922012年12月 基于神经网络的船舶市场风险预警研究①上海海事大学 余思勤 项一叶 刘振摘 要：本文将市场均衡理论与BP神经网络相结合，从新船价格、新船订单量和完工量三个指标来衡量我国船舶市场的风险。
采用专家评分法得出样本数据的警情，用训练样本数据训练BP神经网络预警模型，通过测试样本进行模型检验，并对2012年造船市场风险进行预警。
关键词：市场均衡 BP神经网络 造船业风险 预警中图分类号：F713 文献标识码：A 文章编号：1005-5800(2012)12(a)-092-02中国造船业自2003年经历了5年的兴旺后，目前面临着交船难、订单难等一系列风险，船舶市场开始衰退，风险逐渐积聚。
2010年，船舶市场短暂回暖，但在接下来的2011年重新出现新船订单减少、手持订单量快速下滑的严峻形势，船舶市场再一次迎来严重的风险危机。
为了更好的应对风险，对船舶市场进行风险预警研究具有很强的实现紧迫性。
从以往的风险预警研究来看，学者们运用人工神经网络对房地产市场、供应链、财务状况等进行风险预警的研究比较多，但是对造船市场进行风险预警研究的文献较少。
陶永宏、陈定秋和戈铮(2009)对造船行业风险进行过定性分析，尚未开展深入的定量化分析[1]。
陶永宏和祁爱琳(2010)将功效系数法与BP 神经网络相结合来衡量我国造船业的风险，采用功效系数法获得历史数据警情，用历史数据训练模型并检验模型的预警能力，并对2011年前的造船业市场进行了风险预警[2]。
闫彩良和万欣(2011)建立了西安房地产预警系统[3]。
王楠(2010)利用BP 神经网络对房地产市场进行预警研究[4]。
还有其他的学者利用神经网络分别对农产品和商业银行进行风险预警的研究[5][6]。
本文从船舶市场风险的本质出发，首先从市场均衡的角度分析船舶市场风险的起源，并利用BP 神经网络对船舶市场进行风险预警研究，这将对我国船舶市场风险防范具有一定的指导意义。
基于BP神经网络的保险业产业安全预警实证研究
ｈｉｇｈｅｒ ｒｅｔｕｒｎ
Ｏｎ
ＫＥＹＷＯＲＤＳ：ｉｎｓｕｒａｎｃｅ；ｉｎｄｕｓｔｒｙ
ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ＣＬＡＳＳＮＯ：
ｓｅｃｕｒｉｔｙ；ｉｎｄｕｓｔｒｉａｌ ｓｅｃｕｒｉｔｙ ｗａｒｎｉｎｇ；ｒ，ｒｉｎｅｉｐａ］
目录
中文摘要…………………………………………………………………………．ｉｉｉ
Ｗａｒｎｉｎｇ
Ｓｔｕｄｙ Ｂａｓｅｄ
ｏｎ
Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
作者：曹玲 导师：龚玉荣副教授
北京交通大学
２０１ １年７月
——Ｊ．‘
／
学位论文版权使用授权书
本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明）
ｍｏｌｅ ｉｎｔｅｎｓｅ ａｎｄ ｆｒｅｑｕｅｎｔ．Ｒｅｓｅａｒｃｈｉｎｇ ａｎｄ ｂｕｉｌｄｉｎｇ ｕｐ ｉｎｓｕｒａｎｃｅ ｓａｆｅｔｙ ｗａｒｍｉｎｇ ｓｙｓｔｅｍ，ｍｏｍｅｎｔａｒｉｌｙ ｏｂｓｅｒｖｉｎｇ ｃｏｒｒｅｌａｔｉｖｅ ｉｎｄｅｘ ｐｏｉｎｔ，ｍａｎａｇｉｎｇ ｔｈｅ ｐｏｓｓｉｂｉｌｉｔｙ ｒｉｓｋ ｉｎ ａｄｖａｎｃｅ，ｗｈｉｃｈ ｈａｖｅ ｓｉｇｎｉｆｉｃａｎｔ ｍｅａｎｉｎｇ ｔｏ ａｖｏｉｄｉｎｇ ｔｈｅ ｆｉｎａｎｃｉａｌ ｃｒｉｓｅｓ ｈａｐｐｅｎｉｎｇ，
文献综述…………………………………………………………………．７ 产业安全问题研究综述……………………………………………。７ 预警理论研究综述…………………………………………………。８ 保险业研究综述……………………………………………………。９ ＢＰ人工神经网络运用研究综述……………………………………９ 产业安全预警系统分析及模型介绍……………………………………１ｌ
基于AIS信息和BP神经网络的船舶航行行为预测
基于AIS信息和BP神经网络的船舶航行行为预测甄荣;金永兴;胡勤友;施朝健;王胜正【期刊名称】《中国航海》【年(卷),期】2017(040)002【摘要】针对船舶航行行为多维度的特点和船舶交通服务系统(Vessel Traffic Service,VTS)对船舶行为预测的精确度和实时性需求,提出结合船舶自动识别系统(Automatic Identification System,AIS)信息和BP(Back Propagation)神经网络的船舶航行行为预测方法.构造基于AIS信息的船舶航行行为特征表达方法,根据BP神经网络预测的基本原理,以连续3个时刻的船舶航行行为特征值为输入,以第4个时刻的船舶航行行为特征值为输出,对BP神经网络进行训练,用于对未来船舶航行行为进行预测.以成山角VTS水域内的船舶AIS信息为例进行试验,结果表明:利用该方法对船舶航行行为特征值进行预测的结果准确、实时,误差在可接受的范围内.【总页数】5页(P6-10)【作者】甄荣;金永兴;胡勤友;施朝健;王胜正【作者单位】上海海事大学商船学院,上海201306;上海海事大学商船学院,上海201306;上海海事大学商船学院,上海201306;上海海事大学商船学院,上海201306;上海海事大学商船学院,上海201306【正文语种】中文【中图分类】U675.7;TP391【相关文献】1.基于BP神经网络的AIS与雷达信息关联算法研究 [J], 欧阳萍;胡晓瑞;林长川;李丽娜2.基于AIS的船舶航行搁浅风险预警建模研究 [J], 梁肇基;王晨;江福才3.基于AIS的船舶航行周期识别 [J], 赵文文;胡志华;魏晨4.基于极限学习机的船舶航行行为预测 [J], 谢新连; 陈紫薇; 魏照坤; 赵瑞嘉5.利用卡尔曼滤波预测船舶航行轨迹异常行为 [J], 何静因版权原因，仅展示原文概要，查看原文内容请购买。
以改进的BP神经网络计算开阔水域船舶碰撞危险度
以改进的BP神经网络计算开阔水域船舶碰撞危险度
程细得;刘祖源
【期刊名称】《船海工程》
【年(卷),期】2001(0)S2
【摘要】本文以判断船舶碰撞危险的原始数据作为改进的BP神经网络输入 ,通过学习来确定船舶碰撞危险度 ,学习效果良好。
【总页数】3页(P91-93)
【关键词】船舶避碰;BP网络;碰撞危险度
【作者】程细得;刘祖源
【作者单位】武汉理工大学
【正文语种】中文
【中图分类】U675
【相关文献】
1.改进BP算法在船舶碰撞危险度计算中的应用 [J], 刘克中;王助祥
2.以BP神经网络计算船舶碰撞危险度 [J], 郑中义;吴兆麟
3.基于改进的神经网络的船舶碰撞危险度的模型 [J], 王则胜;施朝健
4.遗传极限学习计算法在船舶碰撞危险度确定中的应用 [J], 罗捷;王德岭
5.开阔水域船舶碰撞频率建模及应用 [J], 柴田;熊德琪;张杏谷;翁金贤
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中
国
造
船
学 术论文
文献对 造 船业进 行风 险预警 研 究 。本 文从功 效系 数法着 手 ，结合 统计理 论 ，计算 出历 史时 期 的警 情 ， 探讨 中国造船 业风 险预警 的临界值 并确 定风 险综合 界 限； 过得 出 的数 据 ， 通 训练 Ｂ Ｐ神经 网络 预警模 型 ， 运用经 过训练 和检验 后 的模 型 发出预警 指示 。
域 ，确 定综 合预警 评分 区域 ；（ ）计算 综合功 效系数 得分 ，确 定历 史时期 警情 ；（ ）根据 历史 数据及 ４ ５ 警情对 Ｂ Ｐ神 经 网络 进行 训练 ，建立 预警模 型 ；（ ）检验 Ｂ ６ Ｐ神经 网络模 型 的预警 能力 ；（ ）进行 下一 ７
设备价格 、新船价格指数 、Ｂ Ｉ指数 （ Ｄ 八个对造船业影响最大的指标 ）来综合衡量中国造船业的风险；运用功
效系数法得 出历史数据 的警情，用历 史数据训练 Ｂ Ｐ神经 网络预警模 型；通过一组 数据进行检验 ，并对 ２ １ 年 ０１
前 的造船业风 险进行 了预警 。研 究表明：该方 法能够对造船业风 险进行测评并预报警情，对防范我国造船 业风
１ 研 究思 路
本 文运 用功 效系数 法和 神经 网络对 造船 业风 险进行 预警 。功效 系数 法是 根据 多 目标 规划 原理 ，对
每一项 评价 指标确 定 一个满 意值和 不 允许值 ， 以满 意值 为上 限 ， 以不允 许值 为下 限 ，计 算 出各指 标实 现满 意值 的程度 ，并 以此确 定各指 标 的分数 ，再经 过加 权平均 进行 综合 ，从 而评价 被研 究对 象 的综合
状况 。功效 系数法 能够 消除 预警系 统 中各个 指标 的量纲 不统一 和性 质各 异 问题 ，通 过对 每一个 指标 求 功效系 数 ，进 而求 系统 的综合预警 系数 ，作 为判断经 济运行 状态 的依据 ［。 ８ 】 人 工神 经 网络 是一种 平行 分散 处理模 式 ，除具 有较好 的模 式识 别能 力外 ，还可 以克 服统计 预警 等 方法 的限制 ，而且 具有 良好 的学 习能力 ，可 随时依据 新准 备数 据 资料 进 行 自我 学 习、训 练 ，调整其 内 部 的储 存权 重参数 以对 应 多变 的经 济环 境 。 由于神 经 网络具备 上述 良好 的性质 与 能力 ，且 已有文献 表
险具有一定的现实指导意义 。
关 键 词 ：功效系数法；Ｂ 神经网络；预警；造船业风险 Ｐ 中图 分 类号 ：Ｕ６３２ ． ７ 文献标识码 ：Ａ
０ 引 言
我 国船舶工业 是 国防工业 的重 要组成 部分 ，是我 国的战略产 业 ，是 国 民经济产业 体系 的重要 一环 ； 造 船业作 为船 舶工业 的重要 部分 ，对 国民经济 的复 苏和发 展起 到举足 轻重 的作 用 。然 而 ，中 国造 船业 在经历 了长达 ５年 的兴旺之 后 ，已经 面 临交船难 、订单难 和融 资难等现 实风险 。因造船 周期长而 导致 的风险滞 后特 点， ２ ０ ０ ８年世 界及 中国造船 完工量 和手持 订单量较 ２ ０ ０ ７年仍然 有所增长 ；但新 承接订 单 已经下 降 了近一 半 （ 如表 １所示 ） ，船舶 市场开 始进入 下行期 。专 家认 为 ：我 国造 船业最糟 糕 的时候 还 没有 到来 ，真正 的 困难 恐怕 出现 在 １ ２年之 后ｕ。因此 ，我们 迫切需 要对造船 业进行风 险预警研 究 ， ～ Ｊ 为在风 险来临前做 好充 分应对准备 。Ｄｉ ｔ Ｃ ｐｉ ｉ 、 陶永宏 【等学者对 造船业 的风险进行 了定 ｍｉ ｉ ｒＧ ａ ａ ｚｓ ｔ Ｊ ｊ ｊ
表 ｌ ２ ０ ．０ ８年三 大 造 船 指 标 （ 位 ：百 万载 重 吨 ） ０ ７２ ０ 单
资 料来 源 ： 英 国 克拉 克 松 公 司
收稿 日期 ：２０．７０ ；修改稿 收稿 日期：２ １．１ ８ ０ ９０．６ ０００ ． ０ 基 金项 目：江苏 省国 防科学技 术工业 办公 室研究 计划项 目“ 苏造船 风险及 其防 范研究” （Ｓ Ｇ Ｒ ／０ ８ １ 江 ＪＫ Ｂ Ｋ ２００ ）
５卷 １
第 １ （ 期 总第 １９期 ） ８
中
国
造
船
Ｖ １ １ Ｎｏ１ Ｓ ｒ ｌ ． ８ ） ｏ． ５ ． （ｅｉ １９ ａ Ｎｏ
Ｍ ａ ０１ ｒ２ ０
２１年 ３ 月 ００
Ｓ Ｐ ＵＩ ＨＩ Ｂ ＬＤＩ ＮＧ ＯＦ ＣＨＩ ＮＡ
文 章 编 号 ： １０ －８ ２ ２ １） １０ ９－８ ０ ０４ ８ （０ ０ ０ ．１ １ ０
性 分析 ，但 尚未对造船 业 的风 险定量化 。近 年来 ，运用 功效系数 法 （ ｆ ｃ ｃ ｏ ｍｃｅ ｔ ｔｏ ） Ｌ Ｅ ａｙＣ ｅ ｉｎ ｈ ｄ ４ ｉ Ｍｅ
引
、
人工神经网络 （ ｒｆｉ Ｎ ｕａＮ ｔｏｋ，简称 Ａ Ｎ） 一 决风险预警问题得到了发展，但尚无 Ａ ｔ ｃ ｌ ｅｒ ｅ ｒｓ ｉ ａ ｉ ｌ ｗ Ｎ 懈
基 于功效 系数 法 与 Ｂ Ｐ神 经 网络 的造船 业风 险
Ｊ 目ｌ ／ 预警研 究 ／ Ｖ Ｕ 、 Ｉ
陶永宏 ，祁爱琳
（ 江苏科技 大学经济管理学院， 江苏 镇 江 ２ ２ ０ ） １０ ３
摘
要
将功效系数法和 Ｂ Ｐ神经网络相结合，从 汇率 、利 率、出口退税、钢材综合价格指数 、行业平均工人工资、
明神经 网络 的分类 正确率 高于判别 分析法 ， 因此 它 已作为解 ห้องสมุดไป่ตู้经济 预警 的一个 重要工 具 。
基 于功效 系数法 与 Ｂ Ｐ神经 网络 的造 船业 风险预警 研 究的具体 思路 如下 ：（ ） 择五级 预警 ，为巨 １选 警 、重警 、中警 、轻警和 无警 ；（ ）运 用主成 分分析 法确 定权 重 ；（ ）设 置单 项指标 五级 预警评 分 区 ２ ３