| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 内河船舶智能化信息服务研究现状 | 第12-13页 |
| 1.2.2 交通信息服务需求研究现状 | 第13-16页 |
| 1.2.3 分级思想在航运领域的应用研究现状 | 第16-17页 |
| 1.3 本文主要研究内容及章节安排 | 第17-18页 |
| 第2章 内河船舶智能服务系统架构及需求辨识研究框架 | 第18-26页 |
| 2.1 内河船舶智能服务系统架构 | 第18-19页 |
| 2.2 需求辨识研究框架 | 第19-20页 |
| 2.3 建模方法——神经网络 | 第20-24页 |
| 2.3.1 神经网络建模机理 | 第20-21页 |
| 2.3.2 BP神经网络 | 第21-24页 |
| 2.4 建模工具——R语言 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 内河船舶信息服务集与服务需求辨识方法 | 第26-50页 |
| 3.1 内河船舶信息服务集 | 第26-30页 |
| 3.1.1 航道信息服务集 | 第27-28页 |
| 3.1.2 气象水文信息服务集 | 第28页 |
| 3.1.3 实时交通流信息服务集 | 第28-29页 |
| 3.1.4 船舶动态信息服务集 | 第29页 |
| 3.1.5 港口信息服务集 | 第29-30页 |
| 3.1.6 其他信息服务集 | 第30页 |
| 3.2 服务时机辨识方法 | 第30-33页 |
| 3.2.1 基于距离的方法 | 第31-32页 |
| 3.2.2 基于服务等级和服务周期的方法 | 第32-33页 |
| 3.3 服务特征参数组织 | 第33-44页 |
| 3.3.1 新增虚拟物标类 | 第34-37页 |
| 3.3.2 安全距离 | 第37-38页 |
| 3.3.3 船舶与物标距离 | 第38-41页 |
| 3.3.4 服务周期 | 第41-44页 |
| 3.4 服务需求辨识算法流程 | 第44-49页 |
| 3.4.1 水下危险物 | 第44-45页 |
| 3.4.2 桥区 | 第45-46页 |
| 3.4.3 临时施工作业区 | 第46-47页 |
| 3.4.4 航标信息 | 第47-48页 |
| 3.4.5 实时水深 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于BP神经网络的船舶服务等级辨识模型 | 第50-70页 |
| 4.1 内河船舶分级服务 | 第50-52页 |
| 4.1.1 船舶分级服务的意义 | 第50-51页 |
| 4.1.2 船舶分级服务方法 | 第51-52页 |
| 4.2 船舶服务等级影响因素及特征指标体系 | 第52-60页 |
| 4.2.1 船舶服务等级影响因素 | 第52-53页 |
| 4.2.2 船舶服务等级特征指标体系 | 第53页 |
| 4.2.3 船舶服务等级特征量分析 | 第53-60页 |
| 4.3 基于BP神经网络的船舶服务等级辨识模型构建 | 第60-68页 |
| 4.3.1 样本数据准备 | 第60-62页 |
| 4.3.2 数据预处理 | 第62-64页 |
| 4.3.3 BP神经网络模型构建与训练 | 第64-65页 |
| 4.3.4 模型验证 | 第65-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78页 |