【技术实现步骤摘要】
本专利技术属于船舶通航控制领域，具体涉及一种基于bp神经网络的多指标综合评价的船舶诚信评比方法。
技术介绍
1、三峡河段作为长江黄金水道的咽喉部位，在航运方面起着承前启后的重要作用。三峡船闸货运量从2010年的7880.4万吨开始飞速增长，并于2011年通过量破亿吨大关，提前19年达到设计通过量。自此之后，三峡河段的货物通过量屡创新高。但有限的船闸通过能力与日益增长的船舶过闸需求不相适应，船舶待闸积压的现象日趋明显，已成为三峡通航“新常态”之一。在如此严峻的形势下，少数船舶为了达到快速过闸的目的，通过谎报、瞒报甚至拆卸gps、单北斗智能终端等手段使船舶提前进入计划排队序列；有的船舶为了多装货物，采取谎报吃水；有的船舶不服从调度指挥等，这些违反三峡过闸规定的船舶行为严重影响了船舶过闸安全性、高效性和公平性。各个坝区海事机构所拥有的数据信息相对独立，没有实现数据的共享，工作模式存在差异化，同一条船舶的诚信信息可能出现不一致的情况，给海事监管带来了很多不便。因此，信用体系的构建、信用管理在三峡枢纽通航管理工作中显得尤为重要。
2、如何利用现代化信息技术手段，建立船方过闸诚信体系，使船舶过闸行为可监管，避免插队、安检信息瞒报等不当行为，确认和记录船方身份，与数据库基础数据精准匹配，同时增加惩戒机制，使诚信分值计算和诚信评比更加公正、公平；实现评比结果复证，避免数据和评选过程造假，保证诚信分值计算和评比结果的真实性；减少人为操纵和干预，使相关评比指标透明化，提高诚信评比的公正性和客观性。
技术实现思
1、本专利技术的目的是针对上述问题，提供一种基于bp神经网络的多指标综合评价的船舶诚信评比方法，构建船舶诚信评价指标体系，结合船舶诚信评价指标体系的一级指标和二级指标，采用bp神经网络构建船舶诚信评价模型；依据舶诚信评价指标体系利用层次分析法和专家打分，构建bp神经网络的训练集，再利用训练好的船舶诚信评价模型实现船舶诚信评价得分的自动计算，提高船舶诚信评比的公开性和客观性。同时，构建船公司诚信评价指标体系和评价模型，实现船公司诚信评价得分的自动计算。
2、本专利技术的技术方案是基于bp神经网络的多指标综合评价的船舶诚信评比方法，包括以下步骤：
3、步骤1：依据船舶诚信评价指标的一级指标和二级指标，构建船舶诚信评价指标体系；
4、步骤2：对船舶诚信评价指标体系中各个指标的属性值，利用相对应的效用函数进行归一化；
5、步骤3：构建包含输入层、隐含层和输出层的bp神经网络模型，bp神经网络模型的输入层的神经元数量与船舶诚信评价指标体系的二级指标的数量相等，bp神经网络模型的输出为船舶诚信综合评价得分；
6、步骤4：利用船舶通航的历史数据构建bp神经网络模型的训练集，对bp神经网络模型进行训练；
7、步骤5：将船舶诚信评价指标体系的指标的属性值作为bp神经网络模型的输入，利用训练好的bp神经网络模型计算得到船舶诚信综合评价得分。
8、优选地，船舶诚信评价指标的一级指标包括船舶安全控制效果、船舶过闸效率水平、船舶信用行为、船舶防污染效果、船舶基本素质和船舶锚泊情况。
9、船舶安全管理效果的二级指标包括水上交通事故情况、违规航行或违规作业情况、船舶适航性情况和险情事故报告情况。
10、船舶过闸效率水平的二级指标包括船舶过闸总运量、船舶过闸总艘次、造成船闸及升船机停航的情况和船舶进出闸移泊迟缓的情况。
11、船舶信用行为的二级指标包括船舶过闸申报情况、过闸安检情况和服从调度指挥的情况。
12、船舶防污染管理效果的二级指标包括船舶防污染履职情况和船舶岸电使用情况。
13、船舶基本素质的二级指标包括船员基本素质、受到管理单位或部门的违法违规通报情况。
14、船舶锚泊情况的二级指标包括船舶锚泊区域情况和船舶锚泊行为。
15、优选地，训练集的船舶诚信综合评价得分的计算公式为：
16、scom＝scred+k×1.6+g
17、其中，scom表示船舶诚信综合评价得分，scred表示根据船舶诚信评价指标体系的多指标评价得到的诚信得分，k表示船舶运量系数，g表示船舶加分分值。
18、优选地，船公司诚信综合评价得分的计算公式为：
19、
20、其中，sccom表示船公司诚信综合评价得分，sccred表示根据船公司诚信评价指标体系的多指标评价得到的诚信得分，ns表示船公司所经营船舶数量，k1表示诚信系数，k2表示船公司运量系数，i表示船公司所属过坝船舶数量，gc表示船公司加分分值。
21、bp神经网络模型的隐含层的神经元数量的计算式为
22、
23、式中c表示隐含层的神经元数量；a、b分别表示输入层、输出层的神经元的数量；m为正整数。
24、输入层、隐含层或输出层的激活函数为
25、
26、式中f(x)表示激活函数的输出；x表示输入。
27、隐含层神经元的输入为：
28、
29、式中ui表示隐含层第i个神经元的输入，i＝1，2，3...s，s表示隐含层神经元的数量；n为输入层神经元的数量；θi表示隐含层第i个神经元的阈值；
30、隐含层神经元的输出为：
31、
32、式中mi表示隐含层第i个神经元的输出；
33、输出层神经元的输出为：
34、
35、其中，vi表示隐含层第i个神经元与输出层神经元的连接权值。
36、给定样本[x1t，x2t，...，xnt；pt]，其中xit，i＝1，2，3...n表示样本中输入层第i个神经元的输入值；t表示第t个样本，pt表示第t个样本的实际值；
37、bp神经网络的输出误差为：
38、dt＝pt-yt ⑥
39、式中dt表示第t个样本的误差，yt表示bp神经网络输出的第t个样本的计算结果；
40、误差函数定义为：
41、
42、式中et表示第t个样本的误差函数；
43、依照误差函数et的负梯度方向，对权值和阀值进行修正：
44、
45、
46、
47、式中δ表示修正系数；δvi为隐含层神元i与输出层神经元连接权值的修正值，δwij为隐含层神经元i与输入层神经元j的连接权值修正值，δθi表示隐含层神经元阈值的修正值。
48、相比现有技术，本专利技术的有益效果包括：
49、1)本专利技术采用bp神经网络建立了船舶诚信评价模型，实现了船舶通航诚信得分的自动计算和分级，能避免船舶诚信数据和评比过程造假，保证诚信分值计算和评比结果的真实性，减少人为操纵和干预，增加了内河通航诚信管理的透明度，提高了船舶诚信评比的公开性和客观性。
50、2)本专利技术构建了多本文档来自技高网...
【技术保护点】
1.基于BP神经网络的多指标综合评价的船舶诚信评比方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的船舶诚信评比方法，其特征在于，船舶诚信评价指标的一级指标包括船舶安全控制效果、船舶过闸效率水平、船舶信用行为、船舶防污染效果、船舶基本素质和船舶锚泊情况。
3.根据权利要求2所述的船舶诚信评比方法，其特征在于，船舶安全管理效果的二级指标包括水上交通事故情况、违规航行或违规作业情况、船舶适航性情况和险情事故报告情况。
4.根据权利要求2所述的船舶诚信评比方法，其特征在于，船舶过闸效率水平的二级指标包括船舶过闸总运量、船舶过闸总艘次、造成船闸及升船机停航的情况和船舶进出闸移泊迟缓的情况。
5.根据权利要求2所述的船舶诚信评比方法，其特征在于，船舶信用行为的二级指标包括船舶过闸申报情况、过闸安检情况和服从调度指挥的情况。
6.根据权利要求1或2或3或4或5所述的船舶诚信评比方法，其特征在于，训练集的船舶诚信综合评价得分的计算公式为：
7.根据权利要求6所述的船舶诚信评比方法，其特征在于，BP神经网络模型的隐含
8.根据权利要求7所述的船舶诚信评比方法，其特征在于，输入层、隐含层或输出层的激活函数为
9.根据权利要求8所述的船舶诚信评比方法，其特征在于，隐含层神经元的输入为：
10.根据权利要求9所述的船舶诚信评比方法，其特征在于，给定样本[x1t，x2t，...，xnt；pt]，其中xit，i＝1，2，3...n表示样本中输入层第i个神经元的输入值；t表示第t个样本，pt表示第t个样本的实际值；
...【技术特征摘要】
1.基于bp神经网络的多指标综合评价的船舶诚信评比方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的船舶诚信评比方法，其特征在于，船舶诚信评价指标的一级指标包括船舶安全控制效果、船舶过闸效率水平、船舶信用行为、船舶防污染效果、船舶基本素质和船舶锚泊情况。
3.根据权利要求2所述的船舶诚信评比方法，其特征在于，船舶安全管理效果的二级指标包括水上交通事故情况、违规航行或违规作业情况、船舶适航性情况和险情事故报告情况。
4.根据权利要求2所述的船舶诚信评比方法，其特征在于，船舶过闸效率水平的二级指标包括船舶过闸总运量、船舶过闸总艘次、造成船闸及升船机停航的情况和船舶进出闸移泊迟缓的情况。
5.根据权利要求2所述的船舶诚信评比方法，其特征在于，船舶信用行为的二级指标包...
【专利技术属性】
技术研发人员：侯国佼，孙荣，王士健，南航，陈学文，李佳恒，冯志涛，肖圣魁，姜东参，胡博，
申请(专利权)人：长江三峡通航管理局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。