基于大数据挖掘的船速预测和安全速度控制方法技术

本发明专利技术涉及基于大数据挖掘的船速预测和安全速度控制方法，该方法首先采集平原河网航道内影响船舶航行的多影响因素的样本数据库；然后构建全连接深度学习神经网络模型，以预测精度为控制目标，优化初始参数；采用优化后的全连接深度学习神经网络模型对多个影响因素在不同组合下的预测精度进行对比分析，选择最优影响因素的组合；再基于最优影响因素的组合的数据样本，采用Python编制遗传规划算法程序，以预测精度为目标，优化核心参数，得到最优精度的参数组合；将最优精度的参数组合代入算法程序，得到基于遗传规划法的船舶船速预测模型；最后将基于遗传规划法的船舶船速预测模型得到的船速，结合风险系数，得到安全控制船速。得到安全控制船速。得到安全控制船速。

【技术实现步骤摘要】
基于大数据挖掘的船速预测和安全速度控制方法


[0001]本专利技术涉及一种基于大数据挖掘的船舶船速预测和安全速度控制方法，属于船舶交通特征和交通流预测


技术介绍

[0002]船舶航行控制不仅与水流、船舶自身性能、装载货物情况有关，还与驾驶员的自身条件、天气等复杂因素有关，目前传统的船舶交流特征理论计算方法很难全面考虑这些综合影响因素，而目前大数据背景下的智能算法能够有效的揭示复杂因素的影响规律，因此采用智能算法和大数据技术成为研究船舶交通特征的热点前沿技术。根据实际情况，船舶航行时由于惯性作用，速度越快船头间距越小越容易出事，但通行能力却越大，如何有效揭示船速和船头安全间距的关系，从而有效实现安全前提下船舶交通效益的最大化，具有重要实际意义，更可以为有效预测交通量提供理论支撑。

技术实现思路

[0003]本专利技术为了解决现有技术中存在的问题，提供一种预测误差小的基于大数据挖掘的船舶船速预测和安全速度控制方法。
[0004]为了达到上述目的，本专利技术提出的技术方案为：一种基于大数据挖掘的船速预测和安全速度控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据挖掘的船速预测和安全速度控制方法，其特征在于，包括以下步骤：步骤一、采集平原河网航道内影响船舶航行的多个影响因素的数据样本，建立多影响因素的样本数据库；步骤二、构建全连接深度学习神经网络模型，以预测精度为控制目标，采用正交法对网络模型的初始参数进行优化；步骤三、采用优化后的全连接深度学习神经网络模型对多个影响因素在不同组合下的预测精度进行对比分析，选择最优影响因素的组合；步骤四、基于最优影响因素的组合的数据样本，采用Python编制遗传规划算法程序，以预测精度为目标，利用正交分析法，对遗传规划算法每个核心参数进行不同取值的迭代计算，得到最优精度的参数组合；将最优精度的参数组合代入算法程序，得到基于遗传规划法的船舶船速预测模型；步骤五、将基于遗传规划法的船舶船速预测模型得到的船速，结合风险系数，得到安全控制船速。2.根据权利要求1所述基于大数据挖掘的船速预测和安全速度控制方法，其特征在于：所述风险系数为1.2。3.根据权利要求1所述基于大数据挖掘的船速...

【专利技术属性】
技术研发人员：褚明生，沈才华，
申请(专利权)人：河海大学，
类型：发明
国别省市：