排序方式： 共有3条查询结果，搜索用时 46 毫秒
1
1.
为提高航道内实时交通事故预警精度,基于长江下游两个水道内发生的交通事故数据和船舶检测器数据,运用随机森林(Random Forest,RF)模型对事故发生前20~40 min内的航道状态初始数据进行重要变量筛选,根据筛选出的4个最重要的变量结合高斯混合模型和最大期望算法构建新的事故预警贝叶斯网络(Bayesian Network,BN)模型.实例检验表明:新的BN模型优于直接利用初始数据建立的模型,事故预警正确率达到81.29%;可转移性测试中新的BN模型的事故预警正确率虽有所降低,但整体预警正确率和事故预警正确率仍高于利用初始数据建立的模型;新的BN模型用于实时船舶交通流航行风险预警是有效的. 相似文献
2.
新的STCW马尼拉公约更加注重对于船员实际技能的考查,GMDSS通用操作员证书培训的要求也相应提高。但对于在校学生来说,缺乏海上实际经验是面临的主要困难,如何提高培训效率是当务之急。文章介绍了使用任务驱动法进行GMDSS实训教学,取得了较好的培训效果,现将任务驱动法进行总结以供业内同行探讨。 相似文献
3.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
1