一种基于大数据的船舶污染物排放实时监测方法技术

本发明专利技术涉及船舶监测技术领域，具体涉及一种基于大数据的船舶污染物排放实时监测方法，包括以下步骤：A）采集船舶若干个航行动态信息以及污染物排放速率；B）使用采集到的数据训练神经网络模型；C）应用时，采集船舶的航行动态信息，导入神经网络模型得出实时污染物排放速率预测，将实时污染物排放速率预测与实时污染物排放速率对比，若差值超过设定阈值，则判断船舶污染物排放异常。本发明专利技术的有益效果是：通过神经网络模型可以结合船舶静态参数和航行动态数据，预测污染物排放速率，并将其作为参考标准，实时判断船舶污染物排放是否异常，方便监管部门进行监管，发现并淘汰污染物排放偏高的船舶，减少环境污染。

【技术实现步骤摘要】
一种基于大数据的船舶污染物排放实时监测方法
本专利技术涉及船舶监测
，具体涉及一种基于大数据的船舶污染物排放实时监测方法。
技术介绍
船舶废气中污染物的含量容易监测，然而目前仅仅监测污染物的含量已不能满足需求。还需要监控废气总量。船舶废气污染物含量标准容易制定，然而废气排放总量受船舶排量、新旧、航线、海风风向及风力等影响，难以制定标准。但造成全球变暖的原因是温室气体的大量排放，超出了自然循环消耗的量。交通运输业作为油气能源消耗排名前三的行业，其造成的污染也已经引起了社会各界的高度关注。船舶运输作为全球贸易的主要运输方式，船舶运输过程中排放的二氧化碳以及其他污染物总量在全部碳排放总量中的占比越来越高。在控制碳排放日益紧迫的今天，各国政府纷纷出台有关船舶污染物排放的管制政策。然而如何监测船舶污染物排放，以及如何制定判断污染物排放是否达标参照的标准，成为亟待解决的问题。中国专利CN202013505U，公开日2011年10月19日，一种双燃料船舶燃料消耗远程无线监控系统，包括北斗卫星通信系统、船舶终端应用系统和监控中心系统，该船舶终端应用系统包括依次连接的数据采集终端、数据采集服务器和北斗船载用户机，该数据采集终端包括柴油流量传感器、燃气流量传感器、液位传感器和压力传感器，发动机系统的转速传感器、水温传感器、排气温度传感器和报警传感器；该监控中心系统包括相互连接的指挥型用户机和数据服务器；该北斗船载用户机通过北斗卫星通信系统与指挥型用户机之间建立无线通信连接。优点是：利用北斗卫星远程无线传输技术，实时地记录监测柴油和燃气的消耗情况，计算燃油替代率并及时发现异常，合理地控制燃料消耗，达到降低燃料成本，减少污染排放的目的。其虽然能够指导合理配置两种燃料的使用配比，降低污染排放，但其不能实现对污染物排放量进行监测的问题。
技术实现思路
本专利技术要解决的技术问题是：目前由于缺乏参照标准，而难以对船舶航行中废气及污染物总量进行监测的技术问题。提出了一种利用大数据的能够判断船舶污染物排放总量是否正常合理的船舶污染物排放实时监测方法。为解决上述技术问题，本专利技术所采取的技术方案为：一种基于大数据的船舶污染物排放实时监测方法，包括以下步骤：A)在船舶废气排放口安装流量传感器以及污染物含量传感器，采集船舶若干个航行动态信息以及污染物排放速率；B)使用采集到的航行动态信息用污染物排放速率标记后作为有效样本数据，并训练神经网络模型；C)应用时，采集船舶的航行动态信息，并导入神经网络模型得出实时污染物排放速率预测，将实时污染物排放速率预测与实时污染物排放速率对比，若差值超过设定阈值，则判断船舶污染物排放异常，反之则重复本步骤。通过足够的数据样本训练神经网络模型，使得神经网络模型能够根据船舶的航行动态信息并结合船舶的规格参数信息，预测出船舶的污染物排放速率，即单位时间内污染物的排放总量，所述污染物包括二氧化碳等温室气体，安装在船舶上排放口出的传感器能够实时检测单位时间内废气排放总量以及污染物含量，进而计算出各个污染物的排放总量，如果废气污染物含量超标则判断船舶污染物排放异常，若单位时间内污染物排放总量，即污染物排放速率与污染物排放速率预测的结果差值超过设定阈值，则判断船舶污染物排放异常。在步骤A中，流量传感器可以是布置在排气口处的废气流速传感器，将流速与排气口直径相乘作为废气总量参与计算。污染物含量传感器可以采用车用或工厂用废气污染物含量的检测传感器。本专利技术专利所指污染物可以是单一污染物，也可以是多种污染物，若为多种污染物则需要安装多个分别对应的污染物含量检测传感器，与废气流量相乘后获得污染物排放速率，对每个污染物分别建立神经网络模型，分别进行监测。作为优选，在步骤A中还采集船舶的静态参数，并且对多个排量的船舶进行数据采集，形成多个静态参数、航行动态信息以及污染物排放速率的数据组，在步骤C中，若应用的目标船舶排量为未采集过数据的排量，则将采集的多个静态参数、航行动态信息以及污染物排放速率数据组进行插值处理，获得目标船舶排量下的静态参数、航行动态信息以及污染物排放速率插值数据组，并使用插值数据组按照步骤B训练神经网络模型，而后进入步骤C。船舶静态参数包括船舶的规格参数，包括船长、船宽和识别码(MMSI)，航行动态信息包括对地航速、对地航向、转向角以及风速、风向、海流速、海流向以及海浪高度。作为优选，所述采集船舶若干个航行动态信息以及污染物排放速率的方法包括以下步骤：A1)采集并上传航行动态信息以及污染物排放速率；A2)分别对每个航行动态信息与污染物排放速率进行关联性计算；A3)剔除关联度低于设定值的航行动态信息，将剩余的航行动态信息作为后续航行动态信息采集项目。航行动态信息包括对地航速、对地航向、转向角以及风速、风向、海流速、海流向以及海浪高度，对这些数据采集后进行关联度计算，剔除关联度低于设定值的参数，后续不再采集。作为优选，所述采集船舶若干个航行动态信息以及油耗的方法包括以下步骤：AA1)采集并上传航行动态信息以及污染物排放速率；AA2)分别对每个航行动态信息数据的变化速率与污染物排放速率变化速率进行关联性计算；AA3)降低关联度低于设定值的航行动态信息项目数据采集频率。降低需处理数据量，降低数据传输压力，同时对预测精度影响不大。作为优选，在步骤B中训练神经网络模型前对有效数据样本进行校验和修复，所述校验的方法为：依次判断每个数据是否为预先设定的异常约定值，若为异常约定值，则该数据校验为异常数据，反之，则校验为正常数据；而后判断该数据值是否超过设定范围，若超过设定范围，则该数据校验为异常数据，反之，则校验为正常数据；而后判断该数据值与前一次采集值的差值是否超过设定范围，若超过设定范围，则该数据校验为异常数据，反之，则校验为正常数据。对异常数据进行判别和修复能够提高预测准确度。作为优选，所述修复的方法为：判断异常数据相邻数据校验结果是否为正常数据，若均是则异常数据采用相邻数据的均值代替后作为正常数据参与后续计算，反之，则进行以下步骤：B1)取若干个连续相邻的数据组，以其中一个数据组为参考数据组，进行归一化处理；B2)计算归一化后每个数据与1的差值的绝对值，找出差值的最大值Kmax；B3)计算每个与异常数据同项目的数据xi的关联度值δi，其中，xi为该数据归一化后的值，ρ为灵敏度阈值，ρ的值越小，数据关联度间的差异越大；B4)用关联度值δi大于设定阈值δ0的数据xi对应原始数据值的均值替代异常数据后作为正常数据使用。本专利技术的实质性效果是：通过关联度筛选后的数据作为神经网络训练数据，能够提高神经网络模型训练的效率并减少数据干扰，通过神经网络模型可以结合船舶静态参数和航行动态数据，预测污染物排放速率，并将其作为参考标准，实时判断船舶污染物排放是否异常，方便监管部门进行监管，发现并淘汰污染物排放偏高的船舶，减少环境污染。附图说明图1为污染物排放监测方法流程框图。图2为异常数据修复方法流程框图。具体实施方式下面通过具体实施例，并结合附图，对本专利技术的具体实施方式作进一步具体说明。如图1所示，为污染物排放监测方法流程框图，包括以下步骤：A)在船舶废气排放口安装流量传感器以及污染物含量传感器，采集船舶若干个航行动态信息以及污染物排放速率；B本文档来自技高网...

【技术保护点】
1.一种基于大数据的船舶污染物排放实时监测方法，其特征在于，包括以下步骤：A)在船舶废气排放口安装流量传感器以及污染物含量传感器，采集船舶若干个航行动态信息以及污染物排放速率；B)使用采集到的航行动态信息用污染物排放速率标记后作为有效样本数据，并训练神经网络模型；C)应用时，采集船舶的航行动态信息，并导入神经网络模型得出实时污染物排放速率预测，将实时污染物排放速率预测与实时污染物排放速率对比，若差值超过设定阈值，则判断船舶污染物排放异常，反之则重复本步骤。

【技术特征摘要】
1.一种基于大数据的船舶污染物排放实时监测方法，其特征在于，包括以下步骤：A)在船舶废气排放口安装流量传感器以及污染物含量传感器，采集船舶若干个航行动态信息以及污染物排放速率；B)使用采集到的航行动态信息用污染物排放速率标记后作为有效样本数据，并训练神经网络模型；C)应用时，采集船舶的航行动态信息，并导入神经网络模型得出实时污染物排放速率预测，将实时污染物排放速率预测与实时污染物排放速率对比，若差值超过设定阈值，则判断船舶污染物排放异常，反之则重复本步骤。2.根据权利要求1所述的一种基于大数据的船舶污染物排放实时监测方法，其特征在于，在步骤A中还采集船舶的静态参数，并且对多个排量的船舶进行数据采集，形成多个静态参数、航行动态信息以及污染物排放速率的数据组，在步骤C中，若应用的目标船舶排量为未采集过数据的排量，则将采集的多个静态参数、航行动态信息以及污染物排放速率数据组进行插值处理，获得目标船舶排量下的静态参数、航行动态信息以及污染物排放速率插值数据组，并使用插值数据组按照步骤B训练神经网络模型，而后进入步骤C。3.根据权利要求1或2所述的一种基于大数据的船舶污染物排放实时监测方法，其特征在于，所述采集船舶若干个航行动态信息以及污染物排放速率的方法包括以下步骤：A1)采集并上传航行动态信息以及污染物排放速率；A2)分别对每个航行动态信息与污染物排放速率进行关联性计算；A3)剔除关联度低于设定值的航行动态信息，将剩余的航行动态信息作为后续航行动态信息采集项目。4.根据权利要求1或2所述的一种基于大数据的船舶污染物排放实时监测方法，其特征在于，所述采集船舶若干个航行动态信息以及油耗的方法包括以下步骤：AA1)采集并上传航行动态信息以及污染物排放速率；AA2)分别对每个航行动态信息数据的变化速率与污染物排放速率变化速率进行关联性计算；AA3)降低关联度低于设定值的航行动态信息项目数据采集频率。5.根据权利要求3所述的一种基于大数据的船舶污染物排放实时监测方法，其特征在于，所述采集船舶若干个航行动态信息以及油耗的方法包括以下步骤：AA1)采集并上传航行动态信息以及污染物排放速率；AA2)分别对每个航行动态信息数据的变化速率与污染物排放速率变化速率进行关联性计算；AA3)降低关联度低于设定值的航行动态信息项目数据采集频率。6.根据权利要求1或2所述的一种基于大数据的船舶污染物排放实时监测方法，其特征在于，在步骤B中训练神经网络模型前对有效数据样本进...

【专利技术属性】
技术研发人员：江有福，陈晓钰，董珂辰，
申请(专利权)人：浙江海洋大学，
类型：发明
国别省市：浙江,33