广州港水域船舶交通危险预警研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及目的 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外研究现状综述 | 第14-15页 |
| 1.3 研究内容及创新点 | 第15-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 创新点 | 第16页 |
| 1.4 研究的技术路线 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 广州港水域现状分析 | 第18-41页 |
| 2.1 地理环境分析 | 第18-19页 |
| 2.2 气象水文条件分析 | 第19-21页 |
| 2.2.1 气象条件 | 第19-20页 |
| 2.2.2 水文条件 | 第20-21页 |
| 2.3 通航环境状况分析 | 第21-25页 |
| 2.4 船舶交通事故分布规律分析 | 第25-40页 |
| 2.4.1 动态分析指标概述 | 第25-27页 |
| 2.4.2 时间分布 | 第27-34页 |
| 2.4.2.1 绝对数列的时间分布 | 第29-33页 |
| 2.4.2.2 平均数列的时间分布 | 第33-34页 |
| 2.4.3 空间分布 | 第34-37页 |
| 2.4.4 形态分布 | 第37-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 广州港船舶交通危险预警指标体系 | 第41-61页 |
| 3.1 预警指标体系的建立原则 | 第41页 |
| 3.2 船舶交通事故成因分析 | 第41-47页 |
| 3.2.1 人的因素 | 第42-43页 |
| 3.2.2 船舶因素 | 第43-44页 |
| 3.2.3 环境因素 | 第44-46页 |
| 3.2.4 管理因素 | 第46-47页 |
| 3.3 基于系统聚类的典型因素筛选 | 第47-57页 |
| 3.3.1 因素性质分析 | 第47-51页 |
| 3.3.2 典型因素筛选 | 第51-57页 |
| 3.4 预警指标体系建立 | 第57-60页 |
| 3.4.1 预警指标确定 | 第57-59页 |
| 3.4.2 预警指标体系 | 第59-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 广州港水域船舶交通危险预警模型 | 第61-77页 |
| 4.1 BP神经网络概述 | 第61-64页 |
| 4.1.1 BP神经网络的定义及结构 | 第61-62页 |
| 4.1.2 BP神经网络算法流程 | 第62-63页 |
| 4.1.3 BP神经网络方法的适用性 | 第63-64页 |
| 4.2 广州港船舶交通危险预警警级设定 | 第64-65页 |
| 4.3 广州港船舶交通危险预警模型构建 | 第65-71页 |
| 4.3.1 BP神经网络预警模型的结构设计 | 第65-66页 |
| 4.3.2 BP神经网络预警模型的学习训练 | 第66-71页 |
| 4.3.2.1 样本数据的收集整理 | 第66-67页 |
| 4.3.2.2 样本数据的标准化处理 | 第67-69页 |
| 4.3.2.3 预警模型的学习训练 | 第69-71页 |
| 4.4 广州港船舶交通危险预警模型验证 | 第71-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第5章 结论与展望 | 第77-79页 |
| 5.1 主要研究结论 | 第77-78页 |
| 5.2 研究展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录 | 第83-86页 |
| 在学期间科研成果情况 | 第86页 |
