基于BP神经网络的船舶航行倾覆风险评估
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-13页 |
| 1.2.1 水上安全研究现状 | 第11页 |
| 1.2.2 风险评估方法研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 船舶航行倾覆风险概述 | 第16-22页 |
| 2.1 风险的定义 | 第16-18页 |
| 2.2 船舶航行倾覆风险分析 | 第18-21页 |
| 2.2.1 危险性 | 第19页 |
| 2.2.2 脆弱性 | 第19-20页 |
| 2.2.3 恢复力 | 第20页 |
| 2.2.4 船舶航行倾覆风险分析 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 船舶航行倾覆风险因素分析 | 第22-47页 |
| 3.1 海洋气象环境 | 第22-24页 |
| 3.2 船舶要素 | 第24-38页 |
| 3.3 货物要素 | 第38-42页 |
| 3.4 船员要素 | 第42-45页 |
| 3.5 外部救援要素 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于BP神经网络的船舶航行倾覆风险评估 | 第47-59页 |
| 4.1 BP神经网络概述 | 第47-52页 |
| 4.1.1 BP神经网络的原理 | 第47-49页 |
| 4.1.2 BP神经网络的学习步骤 | 第49-52页 |
| 4.2 航行倾覆风险神经网络算法设计 | 第52-57页 |
| 4.2.1 输入层神经元的确定 | 第52-54页 |
| 4.2.2 神经网络结构的确定 | 第54-57页 |
| 4.3 BP神经网络Matlab算法设计 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 算例分析 | 第59-81页 |
| 5.1 算例设计及数据 | 第59-76页 |
| 5.1.1 事故与船舶数据 | 第59-66页 |
| 5.1.2 指标计算实例 | 第66-75页 |
| 5.1.3 样本数据 | 第75-76页 |
| 5.2 模型训练与分析 | 第76-79页 |
| 5.2.1 激活函数与相关参数的设定 | 第76-77页 |
| 5.2.2 隐藏层神经元数目的确定 | 第77页 |
| 5.2.3 训练结果分析 | 第77-79页 |
| 5.3 实例预测 | 第79-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第6章 结论与展望 | 第81-83页 |
| 6.1 结论 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 附录A 海风指标计算代码 | 第87-89页 |
| 附录B BP神经网络代码 | 第89-91页 |
| 致谢 | 第91页 |
