基于动态风险预测的船舶引航任务分级管理

为加强引航安全,实现引航任务的科学管理,需要对其进行有效的分级。基于引航风险的物理属性,从被引船舶和环境2方面入手,辨识船舶引航过程中的动态风险,考虑引航任务风险的动态特性和风险因素间的网络结构关系,引入动态贝叶斯网络(DBN)构建风险预测模型。根据模型预测得到的引航任务风险值,对其进行分级管理。以青岛港2002—2011年10 a间的引航事故数据为基础,应用模型对港口的引航任务进行预测,据此确定风险大小与引航员等级的匹配标准。结果表明:利用所建模型预测得到的引航任务动态风险与实际情况较吻合,说明根据风险大小对引航任务进行分级管理的方法具有可行性。

基于遗传蝙蝠算法的引航排班方法

为提高引航排班作业效率,以最小化引航任务间隔时间、引航员等待时间、引航作业时间、引航交通费为目标,以引航任务开始与完成时间、到离港泊位等为约束条件建立引航任务组适应度模型。将遗传算法的交叉与变异机制引入基本蝙蝠算法,构建基于遗传蝙蝠算法的引航排班方法,并利用MATLAB予以实现。结果表明:这种引航排班方法的日均效率比基本蝙蝠算法提升了48.1%,比手工排班方法提升了75.8%;这种引航排班方法的单个引航任务组构建效率较基本蝙蝠算法提升了50.7%,比手工排班方法提升了77.2%。结果验证了该引航排班方法的优越性。