基于统计分析软件的海上光污染调查问卷设计

为全面了解海上光污染对夜航船舶航行安全影响的范围和程度,选择船长、船舶驾驶员和引航员作为被调查对象,选取基于人类工效学的评价、高亮度光环境对信号灯可识别性的影响以及夜间高亮度光环境对船舶航行安全的影响等方面的评价指标,设计海上光污染对船舶夜航安全影响的调查问卷.应用统计分析软件(SPSS)对回收的191份有效问卷进行统计分析,问卷总量表的信度系数达0.782,表明设计的问卷具有较高信度和效度.     

基于克隆优化的船舶号灯神经网络识别模型

针对复杂光环境下船舶号灯识别模型的高维、强非线性及影响因素复杂等特性,提出一种基于克隆选择优化算法的BP神经网络识别模型.通过对影响因素的筛选确定BP神经网络的输入,将号灯识别码作为网络的输出确定BP神经网络模型.采用免疫克隆选择优化算法,确定网络层数和各层节点数目,结合灵敏度分析法选择非线性寻优的方向和尺度,以减少BP神经网络的迭代次数,提高搜索效率.通过对海上夜航时拍摄的一些实景照片进行学习和识别的仿真,验证了所建立的船舶号灯识别模型的有效性.     

基于甚高频通信的船舶号灯信号收发系统

为了克服能见度不良及“海上光污染”等对船舶号灯可识别性的影响,提出利用甚高频(VHF)通信技术将传统号灯直线传播的灯光信号改变为借助于VHF电台进行收发;介绍了基于VHF通信的船舶号灯信号收发系统的原理、组成及编码协议;并在MATLAB环境中对该系统的收发过程进行了数字仿真,仿真效果比较理想.     

基于BP神经网络的船舶号灯识别模型与仿真

建立基于误差反传神经网络的船舶号灯智能识别模型,在众多的号灯识别参数中进行优化分析,确定了能见度、号灯亮度、背景亮度和眩光4个重要输入参数;利用这4个参数,基于误差反传神经网络对船舶号灯的可识别性进行建模和仿真,比较利用Levenberg-Marquart(L-M)、动量梯度下降、变学习率动量梯度下降和弹性反向传播等学习算法建立的误差反传神经网络模型,并确定L-M算法具有最优结果.通过号灯识别的仿真结果表明,识别结果与航海专家评估的结果一致.本模型实现了复杂光环境下船舶号灯可识别性的预报和影响因素分析,对保障船舶的夜航安全有着重要意义.     

海域面积测算的几种方法

海域面积测算通常使用GPS定时测定待测海域边界位置点的地理坐标,再求取其围成的不规则区域的面积.介绍几种求取平面不规则区域面积的方法,再推演出专用于计算海域面积的坐标法和方格法,并给出一种适合计算机计算的数点法.实测结果表明,坐标法和数点法的结果准确可靠,有较高的实用价值.