| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究目的及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 国内外研究现状综述 | 第13-14页 |
| 1.3 本文研究方法 | 第14页 |
| 1.4 本文研究内容及技术路线 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 第2章 沥青船舶安全风险评估体系及评估要素 | 第16-28页 |
| 2.1 沥青船舶安全风险评估体系 | 第16-17页 |
| 2.2 沥青船介绍 | 第17-19页 |
| 2.2.1 沥青的理化特性 | 第17-18页 |
| 2.2.2 沥青船船型特点 | 第18-19页 |
| 2.3 评估要素采集原则 | 第19-20页 |
| 2.3.1 指标建立的一般原则 | 第19-20页 |
| 2.3.2 KPI | 第20页 |
| 2.4 沥青船舶安全风险评估评估要素的采集 | 第20-27页 |
| 2.4.1 FSC、PSC及沥青船公司自组织检查 | 第21-25页 |
| 2.4.2 其他统计结果 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 BP神经网络及常用船舶安全评估方法 | 第28-39页 |
| 3.1 常用船舶安全评估方法 | 第28-31页 |
| 3.2 BP神经网络方法的适用性 | 第31-32页 |
| 3.3 人工神经网络 | 第32-33页 |
| 3.4 BP神经网络 | 第33-38页 |
| 3.4.1 BP神经网络的定义 | 第33页 |
| 3.4.2 BP神经网络结构 | 第33-34页 |
| 3.4.3 BP神经网络算法推导 | 第34-37页 |
| 3.4.4 BP神经网络的缺陷及改进 | 第37-38页 |
| 3.4.5 BP神经网络算法流程图 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于BP神经网络的沥青船舶安全风险评估模型 | 第39-57页 |
| 4.1 沥青船舶安全风险评估体系 | 第39-41页 |
| 4.1.1 层次分析法 | 第39页 |
| 4.1.2 构建沥青船舶安全风险评估体系 | 第39-41页 |
| 4.2 沥青船舶安全风险评估的BP神经网络模型 | 第41-46页 |
| 4.2.1 沥青船舶安全风险评估的BP神经网络模型 | 第41-42页 |
| 4.2.2 原始数据的处理 | 第42-43页 |
| 4.2.3 BP神经网络层数 | 第43页 |
| 4.2.4 各层神经元个数的确定 | 第43-44页 |
| 4.2.5 神经网络训练参数的确定 | 第44-46页 |
| 4.3 沥青船舶安全风险评估BP神经网络实例 | 第46-55页 |
| 4.3.1 MATLAB中的BP神经网络工具箱 | 第46页 |
| 4.3.2 原始输入输出的获得及预处理 | 第46-49页 |
| 4.3.3 样本的训练 | 第49-55页 |
| 4.3.4 训练结果分析 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 结论与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 不足和展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录 | 第62-63页 |
| 在学期间发表的学术论文 | 第63页 |