《开普敦协定》对我国现有远洋渔船的影响及应对

随着渔业安全的倍受重视和国际海事组织的积极努力,《开普敦协定》生效日期越来越近。生效后,港口国检查、船旗国检查等监督手段将对我国现有远洋渔船带来比较大的影响,通过研究《开普敦协定》对现有远洋渔船的各项条款,同时对照国内现行的远洋渔船检验规范,提出了现有远洋渔船应对《开普敦协定》的措施,并建议政府部门尽快完善相关法规,从而全面提高渔船安全管理水平,确保顺利履约。

我国远洋渔船应对《开普敦协定》的策略研究

国际海事组织几十年来一直致力于降低渔船安全风险,积极推进《国际渔船安全公约》的生效。2012年10月通过的《开普敦协定》,使《国际渔船安全规则》生效向前推进了一大步。我国是远洋渔业大国,公约一旦生效后,港口国监督等国际通行做法将对我国远洋渔业带来重大影响。通过研究《开普敦协定》的技术条款,抽样分析了57艘远洋渔船的技术参数,找出了目前我国远洋渔船在证书与记录文件、应急程序、船体结构和渔船设备等方面存在的主要差距,最后提出了我国远洋渔船应对《开普敦协定》的策略,为政府部门制定相关政策、法规提供了有力支撑,以便提高我国远洋渔船的国际竞争力,促进远洋渔业的持续、健康发展。

基于文本分类和知识挖掘的远洋渔船安全问题分析

针对远洋渔船问题信息的知识挖掘与分析任务中存在渔船安全知识提取深度不足、安全问题文本分类精度不够的问题,该研究在归纳中国沿海8省市远洋渔业管理机构和企业的约5000条远洋渔船安全问题文本数据特征的基础上,提出一种整合文本分类、知识挖掘和共现网络分析技术的远洋渔船安全问题分析方法。首先,构建基于双向预训练语言模型与文本卷积神经网络的混合深度学习模型BERT-TextCNN(bidirectional encoder representations from transformers-text convolutional neural networks),对渔船安全问题文本进行基于《开普敦协定》规定的精准主题分类。进一步利用基于主题的词频-逆文档频率算法TF-IDF(term frequency-inverse document frequency),提取各主题下的关键渔船安全知识。最后,绘制渔船安全知识共现网络图,可视化分析各知识的分布规律及内在联系。结果表明,BERT-TextCNN模型对渔船安全问题文本的分类精度相较于BERT、Word2vec、Character embedding文本表示方法和DPCNN、BiLSTM-Attention、RCNN等6种神经网络的其他17种对比模型提升较为明显,准确率、宏平均召回率、宏平均F_(1)值分别达98.20%、98.02%、98.05%;基于主题的渔船安全知识挖掘方法可以展示远洋渔船安全工作的重点排序和关系网络图,涵盖渔船的机电设备、消防装置、救生设备、无线电通信等10类安全知识。该方法可为相关渔业管理人员提供高质量的渔船安全知识服务,对国内远洋渔业的安全管理效率、履约水平、智慧渔业工程的应用和发展有促进作用。