复杂网络下船舶碰撞风险传播演化分析

为提高海运业的安全水平,针对船舶碰撞风险事件链中的风险传播演化过程,利用事件树分析法(ETA),构造有向赋权复杂网络(CN),分析网络的拓扑结构;改进传统K-壳分解算法的适应性,提出网络节点绝对重要度计算方法;利用易感-感染-恢复(SIR)模型动态模拟风险在CN中的传播演化过程,研究在不同感染率与恢复率组合的情况下,复杂网络中目标节点的动态敏感性。结果表明:大约25%的风险事件在CN中相对不活跃,绝对重要度排前10%的风险事件均与事故直接原因无关;风险事件的敏感度与重要度并不完全保持一致,部分风险事件,即使不采用针对性措施,也难以触发严重后果或碰撞事故;船舶碰撞风险管控工作应认可直接致因的客观存在,重点关注碰撞风险的传播演化过程,在碰撞风险实施管控的过程中应采用差异化管控策略。

远程控制船舶内河航行风险评价研究

针对远程控制船舶内河航行风险定量评价问题,提出了一种不确定性建模与船模航行试验相结合的风险评价框架,分为模型构建、量化和验证3个部分。在模型构建方面,模型节点来自内河环境、通信、岸端、船端和风险5个方面辨识的船舶远程控制航行风险因素,根据专家经验和航行试验对初始模型结构进行迭代修正,形成了远程控制船舶内河航行风险评价的贝叶斯网络模型;在模型量化方面,为量化父子节点之间线性或非线性关系提出了条件概率计算方法,在内河连续桥区开展船模航行试验,获取了部分根节点的先验概率、航行事故或险情,以及试验人员对航行风险的评价等数据;在模型验证方面,从情景分析、敏感性分析、对比分析3个角度对模型进行了验证。结果表明:在统计的40起航行试验案例中,触碰/碰撞事故占比最高,试验发现了新的失效模式,即控制冲突、程序错误、信号丢失等;构建的贝叶斯网络模型能够有效评价不同情景下航行风险水平,并辨识了与远程控制船舶内河航行风险相关的重要节点。研究结果可以为实现内河船舶远程控制作业模式提供理论依据,也为内河远程控制船舶航行安全提供研究思路。

基于贝叶斯网络的船舶机舱火灾风险分析

针对船舶机舱火灾风险的特点,提出了基于贝叶斯网络的船舶机舱火灾风险分析方法。根据机舱各区域发生火灾频率不同,把机舱分为主机区域、发电机区域、锅炉区域和电气设备等四个火灾发生频率高的区域,按照火灾从初始事件到发生的整个过程,建立船舶机舱火灾贝叶斯网络模型,对风险因素进行概率推理,判断火情,为消防决策提供依据;然后,通过对该网络进行基于证据的敏感性分析,得到影响机舱火灾风险因素的影响排序,并可以根据排序情况采取相应措施减少火灾的发生。

基于贝叶斯网络的船舶溢油风险评价研究

船舶溢油事故已成为导致海洋污染重要的因素之一,采用科学方法对船舶溢油风险进行有效的预测与评估具有重要意义。将船舶溢油风险分为操作性溢油风险与事故性溢油风险两类,通过分析历史数据与借助专家经验识别风险因素,构建了船舶溢油风险的贝叶斯网络模型和条件概率表CPT,并利用HUGIN软件进行了概率推理和风险因素灵敏度分析,定量评估了船舶溢油风险,找出了影响最突出的风险因素。将贝叶斯网络模型应用于我国沿海港口水域,得出两类船舶溢油风险概率分别为0.013 8和0.000 3,指出了加燃油、装卸油品、人员疏忽和船舶密度等风险因素对船舶溢油风险影响最突出。

用神经网络评价船舶碰撞危险的研究

笔者将人工神经网络的ＢＰ学习算法用于船舶碰撞危险评价的研究，试图用神经网络的ＢＰ算法代替模糊推理系统。结果表明，神经网络可以用于碰撞危险的评价，也适用于避碰决策系统的研究。

船舶碰撞危险的自适应神经网络-模糊推理评价方法

本文将模糊数学中的模糊逻辑与人工神经网络结合起来用于船舶碰撞危险度的评价，即将基于自适应神经网络的模糊推理系统用于评价船舶碰撞危险度。结果表明，基于神经网络的模糊推理系统既能利用模糊数学的模糊语言来表述人的语言，又能利用神经网络的自学习功能学习已有的经验。

基于SFN-SD的北极冰区船舶航行风险传递路径研究

为明晰北极冰区船舶航行风险传递路径,从人员、船舶、环境、管理4方面识别北极冰区航行风险因素,并应用空间故障网络(SFN)理论和决策试验与评估实验室(DEMATEL)方法,分析船舶北极航行风险事件;采用主观数据获得风险传递概率和传递路径,构建北极冰区船舶航行风险传递网络模型;基于永盛轮北极航行记录数据,运用系统动力学(SD)方法,仿真并验证北极冰区船舶航行风险传递网络模型。结果表明:船舶北极航行风险事件中,8种为边缘事件,14种为过程事件,8种为最终事件;从边缘事件到最终事件有15条网络传递路径;经实例验证,所构建的风险传递网络模型可靠;通过该模型能够描述风险事件的传递效应和传递路径,获得最终风险事件的动态概率曲线,揭示北极冰区船舶航行风险传递的规律,为风险防范措施的制定提供技术支持。

基于模糊神经网络的一种船舶碰撞危险度计算方法

利用神经网络与模糊推理提出一种船舶碰撞危险度的计算方法。用神经网络替代模糊推理过程,建立基于碰撞危险度计算的模糊神经网络推理框架,利用推理规则生成用于网络训练的样本。实例验证了方法的可行性。

船舶设备风险估计模型探讨

随着船舶设备运行状况复杂化程度越来越明显,风险估计已成为船舶设备管理的一个重要组成部分,但目前完整的船舶设备风险标准和评估体系尚未形成.为此,基于单一设备风险分析,建立了船舶设备总体风险因素指标体系.同时,基于人工神经网络强大的学习能力及任意逼近特性,建立了基于BP神经网络的船舶设备风险估计模型.算例验证表明,该模型实用性强,获得的船舶设备总体风险等级值能够作为采取风险控制措施的依据.

船舶网络入侵风险等级估算研究

传统船舶网络入侵风险等级估算方法,存在风险数据局部搜索时间过长、风险等级估算准确性较低等弊端。为解决上述问题,建立基于BP神经网络的新型船舶入侵风险等级估算方法。通过网络结构的确定、初始值及阈值的选取,完成BP船舶神经网络的搭建。通过入侵数据采集、数据风险等级分类、风险度量评估,完成新型船舶网络入侵风险等级估算方法的搭建。设计对比实验结果表明,新型方法与传统方法相比,适当缩短风险数据局部搜索时间,并提升风险等级的估算准确性。

基于船舶火灾仿真的火灾蔓延态势风险模糊评价方法

以63500 DWT油船船舱作为研究对象,针对温度、烟雾浓度、CO浓度这3个主要影响因素,采用Pyrosim软件对船舱火灾进行模拟仿真。通过仿真结果,分析不同工作条件下在固定检测点位置的温度、CO浓度和烟气浓度变化规律。然后利用MATLAB软件,建立基于模糊神经网络的评价模型,将三维空间网格内的多元信息进行模糊综合量化分析,完成综合火灾蔓延态势风险评价,为船内人员的救援逃生指导提供重要参考依据。

以改进的BP神经网络计算开阔水域船舶碰撞危险度

本文以判断船舶碰撞危险的原始数据作为改进的BP神经网络输入 ,通过学习来确定船舶碰撞危险度 ,学习效果良好 。

基于动态贝叶斯网络的船舶溢油风险预报

为有效管理海洋环境污染,需要识别船舶溢油风险(SOSR)因素,并研究其对事故后果影响的动态特性。在辨识SOSR的基础上,构建危险源网络图,并考虑其动态性。建立动态贝叶斯网络(DBN)预报模型。运用该模型,量化SOSR因素与溢油事故的可能性和后果之间的逻辑组合关系,推理风险变量的后验概率,并获取风险因素时间状态转移效果和溢油事故与事故后果的时序变化规律。以某港口1999—2012年间船舶溢油事故数据为基础,运用模型分析表明:船舶溢油事故风险波动性很强,重大溢油事故的风险现阶段不稳定性突出,相对风险值为-41%～53%,溢油事故有扩散性和自繁衍特征。

遗传神经网络算法在船舶碰撞危险度确定中的应用

为提高船舶航行安全性,首先建立船舶碰撞危险度评估模型,并结合神经网络算法对特定的水域进行危险度模型拟合,获得较为准确的船舶碰撞危险度模型。基于Matlab软件对建立的模型进行编程计算。本文建立的船舶碰撞危险度模型经过50次误差训练后达到了较高的拟合精度,获得较好的效果,可为提高船舶航行安全性提供参考。

客滚船营运风险的BP神经网络评估

随着客滚船运输行业的兴起,客滚船的营运安全日益受到各方面的关注。本文利用BP神经网络评价方法,对人、船、环境、管理四要素所构成的客滚船营运风险进行评估,最终确定某客滚船具体航次的营运风险。经过验证,基于BP神经网络客滚船营运风险评估方法与实际相符,为客滚船风险评估提供一条新的途径。

船舶港口引航风险致因人-组织因素影响分析

为研究船舶港口引航风险中的人-组织因素(HOF),根据引航作业的实际情况描述引航风险HOF,尝试将人的因素分析与分类系统(HFACS)融合到综合安全评估(FSA)框架,辨识引航作业风险,对其进行评估;并据此建立基于贝叶斯网络(BN)的某港船舶引航风险HOF耦合关联模型;结合某港引航站的历年案例数据,分析不同类别引航员的风险致因影响因素。结果表明:绝大多数引航安全事故由不安全的引航行为导致,超过3/5的事故与不安全行为的前提条件有关,约1/4的事故与不安全的监督有关系。

船舶网络入侵风险等级估计算法研究

传统估计算法缺少信号分析与处理阶段,导致评估效果较差,为了解决该问题,引入神经网络评估算法对船舶网络入侵风险等级估计进行研究。根据船舶网络入侵风险等级估计问题确定流程,设计信号分析与处理阶段,保证数据分析有效性。根据信号处理结果,对船舶网络入侵风险等级进行划分,并对风险度量进行评估,由此完成船舶网络入侵风险等级估计算法研究。通过实验对比结果可知,该算法最高评估效果可达到97%,为船舶网络安全运行提供保证。

滚装客船载运电动汽车火灾风险模型及安全管理对策

针对滚装客船载运电动汽车的充电安全性、火灾蔓延性和应急有效性等方面的问题,提出一种基于贝叶斯网络的电动汽车火灾风险定量模型。首先,收集事故案例数据,确定风险因素。其次,利用EM算法获取贝叶斯网络的条件概率表,建立电动汽车火灾风险贝叶斯网络模型。再次,对电动汽车火灾失效情景进行分析,结果表明充电状态下爆炸概率为停车状态下爆炸概率的2.4倍,且当温度升高时爆炸概率明显上升。最后,在总结电动汽车火灾风险规律的基础上,结合滚装客船自身的特点,提出了滚装客船载运电动汽车的安全管理对策。

小样本情况下的船舶溢油事故风险评价研究

船舶溢油风险评价是一项复杂的多因素问题,是船舶溢油应急管理的关键环节.作为智能搜索算法的代表理论,BP神经网络被认为是进行不确定风险评价的较好方法之一,然而船舶溢油事故属于小样本事件,统计数据往往难以满足BP神经网络要求的样本容量.针对这一困境,首先提出一种利用B样条最小二乘理论的数据拟合法,显著增加样本数.其次,根据船舶溢油特点建立了基于BP神经网络的船舶溢油风险评价模型.最后以上海港近年发生的10起溢油事故为实例,检验了模型的可行性.

船舶碰撞危险综合评价系统的比较研究

应用模糊推理系统、神经网络系统以及基于自适应神经网络的模糊推理系统对船舶碰撞危险评价进行了研究， 并对这三种推理机制进行了比较。结果表明， 基于自适应神经网络的模糊推理系统既能表达模糊语言、利用已有的知识， 又具有前向网络的学习能力， 是一种非常有前途的评价方法。