隨著海運(yùn)行業(yè)的蓬勃發(fā)展,我國(guó)的水路貨物運(yùn)輸量和港口吞吐量連續(xù)多年穩(wěn)居世界第一。繁忙的水運(yùn)帶來(lái)了可觀的經(jīng)濟(jì)效益,但也給區(qū)域的空氣質(zhì)量造成極大的壓力。海上的碳排放主要來(lái)源于船舶,所以對(duì)船舶信息的研究可以讓我們發(fā)現(xiàn)兩者的內(nèi)在聯(lián)系。目前,船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)是船舶信息的主要來(lái)源之一,該系統(tǒng)已廣泛裝載在各類(lèi)船舶中,特別是300噸以上的國(guó)際航行船舶、不從事國(guó)際航行的500總噸及以上的貨船和不論大小的客船都強(qiáng)制要求配備AIS。該設(shè)備每天都會(huì)產(chǎn)生大量的AIS數(shù)據(jù),其數(shù)據(jù)的潛在價(jià)值還有待挖掘。因此,探索AIS數(shù)據(jù)與船舶碳排放量之間的聯(lián)系,發(fā)現(xiàn)海上船舶碳排放量的趨勢(shì)和規(guī)律,并且研究開(kāi)發(fā)海上船舶碳排放系統(tǒng)是十分必要的。本文針對(duì)海上船舶碳排放預(yù)測(cè)算法開(kāi)展研究,建立船舶碳排放預(yù)測(cè)模型,設(shè)計(jì)出基于AIS的船舶碳排放預(yù)測(cè)系統(tǒng)。本文的工作主要有以下幾個(gè)方面:首先,對(duì)船舶的AIS數(shù)據(jù)進(jìn)行預(yù)處理,為之后的船舶碳排放預(yù)測(cè)奠定基礎(chǔ)。AIS設(shè)備上獲取的數(shù)據(jù)由于各種因素,有可能造成船舶軌跡點(diǎn)數(shù)據(jù)缺失、偏離或者超出正常數(shù)據(jù)范圍。因此為了提高數(shù)據(jù)挖掘的質(zhì)量,需要對(duì)...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及研究意義
    1.2 國(guó)內(nèi)外研究概況
        1.2.1 AIS數(shù)據(jù)挖掘研究現(xiàn)狀
        1.2.2 船舶碳排放研究現(xiàn)狀
        1.2.3 預(yù)測(cè)算法研究現(xiàn)狀
    1.3 論文的研究?jī)?nèi)容與特色創(chuàng)新
    1.4 論文組織結(jié)構(gòu)和技術(shù)路線
2 相關(guān)技術(shù)與理論基礎(chǔ)
    2.1 AIS船舶數(shù)據(jù)特征分析
    2.2 船舶碳排放影響因素分析
        2.2.1 船舶能效運(yùn)營(yíng)指數(shù)
        2.2.2 AIS數(shù)據(jù)與EEOI的關(guān)系
    2.3 數(shù)據(jù)預(yù)處理技術(shù)方法概述
        2.3.1 數(shù)據(jù)預(yù)處理原因
        2.3.2 常用數(shù)據(jù)預(yù)處理方法
    2.4 數(shù)據(jù)挖掘預(yù)測(cè)模型概述
        2.4.1 人工神經(jīng)網(wǎng)絡(luò)模型
        2.4.2 回歸分析預(yù)測(cè)模型
    2.5 本章小結(jié)
3 面向船舶碳排放預(yù)測(cè)的AIS數(shù)據(jù)預(yù)處理
    3.1 AIS數(shù)據(jù)結(jié)構(gòu)
    3.2 AIS數(shù)據(jù)預(yù)處理
        3.2.1 AIS數(shù)據(jù)預(yù)處理流程
        3.2.2 AIS數(shù)據(jù)坐標(biāo)正逆變換
        3.2.3 船舶軌跡異常和速度異常點(diǎn)處理
        3.2.4 船舶軌跡缺失數(shù)據(jù)插值
        3.2.5 船舶停泊點(diǎn)與子軌跡分離
    3.3 本章小結(jié)
4 船舶碳排放預(yù)測(cè)算法研究
    4.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法
        4.1.1 BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        4.1.2 基于BP神經(jīng)網(wǎng)絡(luò)的船舶碳排放預(yù)測(cè)算法
    4.2 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法
        4.2.1 遺傳算法簡(jiǎn)介
        4.2.2 基于GA-BP神經(jīng)網(wǎng)絡(luò)的船舶碳排放預(yù)測(cè)算法
    4.3 GA-LSSVM預(yù)測(cè)算法
        4.3.1 最小二乘支持向量機(jī)簡(jiǎn)介
        4.3.2 基于GA-LSSVM的船舶碳排放預(yù)測(cè)算法
    4.4 船舶碳排放預(yù)測(cè)算法性能對(duì)比分析
        4.4.1 數(shù)據(jù)源
        4.4.2 算法評(píng)價(jià)標(biāo)準(zhǔn)
        4.4.3 預(yù)測(cè)性能對(duì)比分析
        4.4.4 實(shí)驗(yàn)結(jié)論
    4.5 本章小結(jié)
5 基于AIS的船舶碳排放預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體設(shè)計(jì)
        5.2.1 技術(shù)框架
        5.2.2 AIS數(shù)據(jù)表的設(shè)計(jì)
    5.3 功能模塊設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 界面與用戶管理模塊
        5.3.2 AIS數(shù)據(jù)預(yù)處理與管理模塊
        5.3.3 預(yù)測(cè)算法選擇和執(zhí)行模塊
        5.3.4 結(jié)果熱力圖顯示模塊
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果



本文編號(hào)：3868118