本文選題：福建沿海　切入點：船舶事故　出處：《集美大學》2017年碩士論文　論文類型：學位論文

【摘要】：如今科技的不斷更新,船舶的設備越來越先進了,理論上講,船舶發(fā)生事故的可能性應該越來越低才是,但是近幾年船舶事故還是保持在一個較高的趨勢水平,通過研究發(fā)現(xiàn),導致事故居高不下的原因是由于各方面的管理不善導致的,所以加強船舶的安全管理是很有必要的。福建沿海水域地處臺灣海峽,是國際船舶航行的一條重要通道,保證福建沿海水域的交通安全至關重要,所以對該水域的船舶事故調(diào)查研究就是一項必不可少的環(huán)節(jié)。通過分析過去幾年內(nèi)該水域的船舶事故發(fā)展規(guī)律,分析預測未來某一時間該水域船舶事故的趨勢及發(fā)生事故的主要因素,對引起事故的原因積極采取相應的措施,避免同樣的原因?qū)е露嗥鹗鹿实陌l(fā)生,盡可能的降低船舶事故的發(fā)生量,提供過往船舶一條安全的海上航道。由于船舶事故的隨機性、復雜性等特點交織在一起,所以本文以定性分析和定量分析相結(jié)合的分析方法。從福建省各個地方海事局收集整理船舶事故資料進行統(tǒng)計,通過分析福建沿海的水域情況和事故的統(tǒng)計規(guī)律,結(jié)合典型事故分析,歸納出導致福建沿海船舶事故的主要因素。然后分析福建沿海2001~2014年船舶事故數(shù)據(jù)特點,總結(jié)福建沿海船舶事故的特性和規(guī)律,借鑒國內(nèi)外學者在船舶事故預測上的研究方法,發(fā)現(xiàn)灰色理論的GM(1,1)預測模型、ARIMA時間序列預測模型及BP神經(jīng)網(wǎng)絡預測模型在船舶事故的預測上具有很強的適用性。并對福建沿海船舶事故數(shù)據(jù)進行單一預測,運用其結(jié)果可以有效的分析事故數(shù)據(jù)的變化。為了進一步提高模型的預測準確性,針對福建沿海的船舶事故數(shù)據(jù)建立時間權重的組合預測模型,給出時間權重應該滿足的條件,建立時間權重函數(shù),并且推導時間組合權重的計算公式。通過驗證表明,以時間權重為基礎的組合預測模型在其預測精度方面較單一的預測方法不但精度高,而且具有較好的普遍適用性。最后,提出加強福建沿海水上安全管理的措施,為海事管理部門及時的控制船舶交通事故的發(fā)生量提供科學有效的決策依據(jù)。
[Abstract]:With the development of science and technology, the equipment of ships is getting more and more advanced. Theoretically, the possibility of ship accidents should be lower and lower. However, in recent years, ship accidents have remained at a high trend level. The reasons for the high level of accidents are due to mismanagement in various aspects, so it is very necessary to strengthen the safety management of ships. The coastal waters of Fujian are located in the Taiwan Strait and are an important passage for international ship navigation. It is very important to ensure the traffic safety in the coastal waters of Fujian, so the investigation and study of ship accidents in this area is an essential link. By analyzing the development law of ship accidents in this area in the past few years, This paper analyzes and predicts the trend and main factors of ship accidents in this water area in a certain time in the future, and takes corresponding measures to prevent the same causes from causing many accidents. Reduce the number of ship accidents as far as possible, and provide a safe sea channel for passing ships. Because of the randomness and complexity of ship accidents, So this paper combines qualitative analysis with quantitative analysis, collects and collates ship accident data from various local maritime authorities in Fujian Province, and analyzes the situation of Fujian coastal waters and the statistical law of accidents. Combined with the analysis of typical accidents, the main factors leading to the marine accidents along the coast of Fujian are summed up, and then the characteristics of the data of ship accidents in the coastal areas of Fujian from 2001 to 2014 are analyzed, and the characteristics and rules of the accidents in the coastal areas of Fujian are summarized. Drawing lessons from the research methods of domestic and foreign scholars on ship accident prediction, It is found that Arima time series prediction model and BP neural network prediction model based on grey theory have strong applicability in ship accident prediction. In order to improve the prediction accuracy of the model, the combined forecasting model of the time weight is established for the ship accident data in Fujian coastal area, and the conditions that the time weight should be satisfied are given. The time weight function is established, and the calculation formula of time combined weight is deduced. The verification shows that the combined prediction model based on time weight is more accurate than the single prediction method. Finally, the measures to strengthen the management of water safety along the coast of Fujian Province are put forward to provide a scientific and effective decision basis for the maritime management department to control the occurrence of ship traffic accidents in a timely manner.
【學位授予單位】：集美大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U698.6

【參考文獻】

相關期刊論文 前10條

1 陳昌源;戴冉;楊婷婷;吳祖新;黎泉;;基于改進GM(1,1)模型的上海港集裝箱吞吐量預測[J];船海工程;2016年04期

2 喻寶祿;段迅;吳云;;BP神經(jīng)網(wǎng)絡數(shù)據(jù)預測模型的建立及應用[J];計算機與數(shù)字工程;2016年03期

3 王金山;楊國超;;一種基于時序可變加權系數(shù)的組合預測模型[J];重慶理工大學學報(自然科學);2012年02期

4 甘旭升;端木京順;叢偉;高建國;;基于ARIMA與SVM的飛行事故組合預測方法[J];中國安全科學學報;2011年07期

5 殷春武;;基于時間權重的回歸預測模型[J];統(tǒng)計與決策;2011年07期

6 鞏林明;張振國;;基于灰色小波的網(wǎng)絡流量組合預測模型[J];計算機工程與設計;2010年08期

7 田燕華;陳錦標;;基于BP神經(jīng)網(wǎng)絡的船舶交通流量預測研究[J];船海工程;2010年01期

8 蔡凱;譚倫農(nóng);李春林;陶雪峰;;時間序列與神經(jīng)網(wǎng)絡法相結(jié)合的短期風速預測[J];電網(wǎng)技術;2008年08期

9 錢衛(wèi)東;劉志強;;基于灰色馬爾可夫的道路交通事故預測[J];中國安全科學學報;2008年03期

10 趙琳琳;夏樂天;;模糊加權馬爾可夫鏈模型及其應用[J];江西農(nóng)業(yè)學報;2007年01期

相關會議論文 前1條

1 劉正江;王逢辰;夏國忠;;綜合安全評估(FSA)回顧、發(fā)展及對策[A];中國航海學會2006年度學術交流會優(yōu)秀論文集[C];2007年

相關博士學位論文 前1條

1 吳德勝;數(shù)據(jù)包絡分析若干理論和方法研究[D];中國科學技術大學;2006年

相關碩士學位論文 前8條

1 夏冬;基于時間序列分析的大型風電場功率預測方法研究[D];北京交通大學;2012年

2 尹先明;日照港附近水域?qū)嵤┐岸ň�制的研究[D];武漢理工大學;2011年

3 陳娟娟;基于MGM（1，n）的船舶交通事故預測研究[D];大連海事大學;2009年

4 華清;船舶交通事故混沌預測研究[D];武漢理工大學;2008年

5 馬召學;某海事轄區(qū)水上交通事故分析與防范研究[D];上海海事大學;2006年

6 趙佳妮;水上交通事故預測方法的比較研究[D];大連海事大學;2006年

7 陳濤;船舶尺度與碰撞事故的關系研究[D];大連海事大學;2004年

8 高寧;基于BP神經(jīng)網(wǎng)絡的農(nóng)作物蟲情預測預報及其MATLAB實現(xiàn)[D];安徽農(nóng)業(yè)大學;2003年

，

本文編號：1566036