基于DEMATEL-ANP的重大件船舶大风浪航行安全指标选取

为了改善重大件船舶在大风浪条件下航行的安全性,保证船舶、船员、重大件货物安全到港,在查阅大量文献、咨询专家并结合实际经验后,构建了重大件船舶大风浪安全指标体系。首次将DEMATEL-ANP(决策试验与评价实验室-网络分析法)方法引入大风浪安全领域,建立了重大件船舶大风浪航行安全的DEMATEL-ANP结构。通过DEMATEL方法计算了指标间综合影响矩阵,并绘制因果图对各指标进行分类。借助综合影响矩阵和重大件船舶大风浪安全指标体系,通过ANP方法梳理网络结构并计算了混合权重。确定了对安全影响较大的指标,并对其进行管控。通过与AHP方法的对比,表明该方法更加合理、客观地考虑了指标间的相互影响,提出的DEMATEL-ANP结构合理、可行,能够很好地应用于大风浪安全领域,对保证船舶安全具有一定的指导意义。

基于域自适应的红外图像去噪算法

在红外图像去噪任务中,由于真实的红外噪声图像难以大量获取,而使深度学习算法高度依赖于人工合成噪声,无法很好地去除真实的红外噪声。本文提出一种基于域自适应的红外图像去噪算法,包括一个图像转换模块和两个图像去噪模块。首先利用图像转换模块将合成红外噪声图像和真实红外噪声图像相互转换,然后将转换后的图像和原图像作为去噪模块的训练数据,采用一致性损失函数使两个图像去噪模块产生一致的结果,最后将训练后的去噪网络框架用于红外图像去噪任务。实验表明,本文提出的算法与BM3D、DnCNN和ADNet算法相比在合成红外噪声数据集上有更高的指标数值和更好的视觉效果,在真实红外噪声数据集上有同样优秀的去噪效果。证明了该算法具有良好的泛化能力,能够在真实噪声下恢复清晰的红外图像。

船舶大风浪航行安全评价方法综述

船舶大风浪航行安全一直以来是交通运输领域中较为热门的研究课题。为了能更科学准确地对船舶大风浪航行进行安全评价,综述了船舶大风浪航行的安全影响因素和评价对象。由于船舶大风浪航行安全性指标复杂多样,对于不同评价对象的评价方法也不尽相同。在对船舶大风浪航行安全评价方法进行评述并总结的基础上,就目前应用较多的几类评价方法的优缺点进行了比较分析。结果表明,致灾因素之间的关联性、评价的主观性和准确性、风险的变化性和仿真的复杂性是尚待研究的主要问题,针对性地提出结合机器学习算法、评价方法组合、动态评价和模拟器模拟的新思路。

基于马尔科夫链的恶劣天气船舶行为预测

准确预测恶劣天气时船舶行为是港口水域应急调度和高效安全管理的关键,提出一种基于马尔科夫链的恶劣天气船舶行为预测模型.根据分析船舶行为实际变化规律,得出船舶行为是由船舶在不同空间进行状态转移而形成,然后结合船舶行为分布数据采用经验风险最小化策略求解状态转移矩阵,最后通过初始状态分布和状态转移矩阵预测恶劣天气时船舶行为.实例验证和分析结果表明该预测模型能科学准确地预测恶劣天气时船舶行为,可为港口应急调度与高效管理提供有效参考.