基于AIS数据挖掘的船舶碳排放预测研究

发布时间：2023-11-26 16:14

　　随着海运行业的蓬勃发展,我国的水路货物运输量和港口吞吐量连续多年稳居世界第一。繁忙的水运带来了可观的经济效益,但也给区域的空气质量造成极大的压力。海上的碳排放主要来源于船舶,所以对船舶信息的研究可以让我们发现两者的内在联系。目前,船舶自动识别系统(Automatic Identification System,AIS)是船舶信息的主要来源之一,该系统已广泛装载在各类船舶中,特别是300吨以上的国际航行船舶、不从事国际航行的500总吨及以上的货船和不论大小的客船都强制要求配备AIS。该设备每天都会产生大量的AIS数据,其数据的潜在价值还有待挖掘。因此,探索AIS数据与船舶碳排放量之间的联系,发现海上船舶碳排放量的趋势和规律,并且研究开发海上船舶碳排放系统是十分必要的。本文针对海上船舶碳排放预测算法开展研究,建立船舶碳排放预测模型,设计出基于AIS的船舶碳排放预测系统。本文的工作主要有以下几个方面:首先,对船舶的AIS数据进行预处理,为之后的船舶碳排放预测奠定基础。AIS设备上获取的数据由于各种因素,有可能造成船舶轨迹点数据缺失、偏离或者超出正常数据范围。因此为了提高数据挖掘的质量,需要对...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及研究意义
    1.2 国内外研究概况
        1.2.1 AIS数据挖掘研究现状
        1.2.2 船舶碳排放研究现状
        1.2.3 预测算法研究现状
    1.3 论文的研究内容与特色创新
    1.4 论文组织结构和技术路线
2 相关技术与理论基础
    2.1 AIS船舶数据特征分析
    2.2 船舶碳排放影响因素分析
        2.2.1 船舶能效运营指数
        2.2.2 AIS数据与EEOI的关系
    2.3 数据预处理技术方法概述
        2.3.1 数据预处理原因
        2.3.2 常用数据预处理方法
    2.4 数据挖掘预测模型概述
        2.4.1 人工神经网络模型
        2.4.2 回归分析预测模型
    2.5 本章小结
3 面向船舶碳排放预测的AIS数据预处理
    3.1 AIS数据结构
    3.2 AIS数据预处理
        3.2.1 AIS数据预处理流程
        3.2.2 AIS数据坐标正逆变换
        3.2.3 船舶轨迹异常和速度异常点处理
        3.2.4 船舶轨迹缺失数据插值
        3.2.5 船舶停泊点与子轨迹分离
    3.3 本章小结
4 船舶碳排放预测算法研究
    4.1 BP神经网络预测算法
        4.1.1 BP神经网络简介
        4.1.2 基于BP神经网络的船舶碳排放预测算法
    4.2 GA-BP神经网络预测算法
        4.2.1 遗传算法简介
        4.2.2 基于GA-BP神经网络的船舶碳排放预测算法
    4.3 GA-LSSVM预测算法
        4.3.1 最小二乘支持向量机简介
        4.3.2 基于GA-LSSVM的船舶碳排放预测算法
    4.4 船舶碳排放预测算法性能对比分析
        4.4.1 数据源
        4.4.2 算法评价标准
        4.4.3 预测性能对比分析
        4.4.4 实验结论
    4.5 本章小结
5 基于AIS的船舶碳排放预测系统设计与实现
    5.1 系统需求分析
    5.2 系统总体设计
        5.2.1 技术框架
        5.2.2 AIS数据表的设计
    5.3 功能模块设计与实现
        5.3.1 界面与用户管理模块
        5.3.2 AIS数据预处理与管理模块
        5.3.3 预测算法选择和执行模块
        5.3.4 结果热力图显示模块
    5.4 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3868118