基于BP神经网络船舶风险评价研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景和研究意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容与方法 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.4 论文结构与安排 | 第16-17页 |
| 第2章 船舶风险概述 | 第17-22页 |
| 2.1 风险的定义 | 第17页 |
| 2.2 风险的分类 | 第17-19页 |
| 2.2.1 按风险产生的原因分类 | 第18页 |
| 2.2.2 按风险事故的后果分类 | 第18页 |
| 2.2.3 按风险的潜在损失形态分类 | 第18页 |
| 2.2.4 按风险的表现形式分类 | 第18-19页 |
| 2.3 风险分析 | 第19-20页 |
| 2.4 船舶风险的定义 | 第20-22页 |
| 第3章 船舶风险评价相关理论 | 第22-36页 |
| 3.1 船舶风险评价概述 | 第22-25页 |
| 3.1.1 船舶风险评价定义 | 第22-23页 |
| 3.1.2 船舶风险评价的原则 | 第23-24页 |
| 3.1.3 船舶风险评价的制约因素 | 第24-25页 |
| 3.2 船舶风险管理方法 | 第25-33页 |
| 3.2.1 船舶风险识别方法 | 第25-27页 |
| 3.2.2 船舶风险分析方法 | 第27-30页 |
| 3.2.3 船舶风险评价方法 | 第30-33页 |
| 3.3 船舶风险评价方法的选择 | 第33-36页 |
| 第4章 船舶风险评价指标体系的构建 | 第36-43页 |
| 4.1 指标体系的构建 | 第36-39页 |
| 4.1.1 指标体系建立的原则 | 第36-37页 |
| 4.1.2 指标体系的结构 | 第37-38页 |
| 4.1.3 评价指标的筛选 | 第38-39页 |
| 4.2 船舶风险的影响因素分析 | 第39-41页 |
| 4.3 船舶风险的指标体系 | 第41-43页 |
| 第5章 基于BP神经网络船舶风险评价模型的建立 | 第43-58页 |
| 5.1 神经网络的理论综述 | 第43-47页 |
| 5.1.1 生物神经元 | 第43页 |
| 5.1.2 人工神经元模型 | 第43-46页 |
| 5.1.3 人工神经网络的特点 | 第46页 |
| 5.1.4 人工神经网络的分类 | 第46页 |
| 5.1.5 人工神经网络的工作过程 | 第46-47页 |
| 5.2 BP神经网络 | 第47-54页 |
| 5.2.1 BP神经网络的构成与学习过程 | 第47页 |
| 5.2.2 BP神经网络算法原理 | 第47-49页 |
| 5.2.3 BP神经网络的前馈计算 | 第49-50页 |
| 5.2.4 BP神经网络权系数的调整规则 | 第50-53页 |
| 5.2.5 BP神经网络算法流程图 | 第53-54页 |
| 5.3 BP神经网络模型的建立 | 第54-57页 |
| 5.3.1 BP神经网络层数的确定 | 第54-55页 |
| 5.3.2 BP神经网络各层神经元的确定 | 第55-56页 |
| 5.3.3 BP神经网络激活函数的确定 | 第56页 |
| 5.3.4 BP神经网络训练集参数的确定 | 第56-57页 |
| 5.4 BP神经网络MATLAB设计 | 第57-58页 |
| 第6章 模型应用与实例验证 | 第58-63页 |
| 6.1 模型的训练 | 第58-62页 |
| 6.1.1 样本数据的选取 | 第58-59页 |
| 6.1.2 船舶风险评价的网络结构 | 第59-60页 |
| 6.1.3 船舶风险评价模型的训练与验证 | 第60-62页 |
| 6.2 实例验证 | 第62-63页 |
| 第7章 结论与展望 | 第63-65页 |
| 7.1 结论 | 第63页 |
| 7.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录A | 第68-72页 |
| 附录B | 第72-74页 |
| 攻读硕士期间公开发表论文 | 第74-75页 |
| 致谢 | 第75-76页 |
