- 无标题文档
查看论文信息

中文题名:

 基于FSA的渤海湾海上客滚船航行风险评估研究    

姓名:

 金江凯    

学号:

 1049731701958    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 082303    

学科名称:

 交通运输规划与管理    

学生类型:

 硕士    

学位:

 工程硕士    

学校:

 武汉理工大学    

院系:

 交通学院    

专业:

 交通运输工程    

研究方向:

 交通运输规划与管理    

第一导师姓名:

 杨家其    

第一导师院系:

 武汉理工大学    

完成日期:

 2019-03-01    

答辩日期:

 2019-05-15    

中文关键词:

 客滚船FSA ; BP神经网络 ; G1法 ; 风险评估    

中文摘要:

渤海湾为我国三大海湾之一,以渤海湾为中心的渤海湾客滚船运输市场同时也是我国三大客滚船运输市场之一。保障渤海湾客滚船运输安全畅通对山东、辽宁两省的人民群众往来、经济文化交流以及旅游开发都具有重要的意义。随着渤海湾客滚船运输市场的快速发展,旅客、车辆和货物呈稳步增长态势,客滚船运输密度日益增加,再加上客滚船本身所具备的特性以及渤海湾航线的特点,从而造成客滚船海难事故的频繁发生,给我国带来严重的人员伤亡和经济损失。

本文以提高渤海湾海上客滚船航行安全水平为目标,结合实际情况,将综合安全评估方法作为整文研究框架,按照危险源识别、风险评估、风险控制方案的提出三个步骤对渤海湾海上客滚船航行安全进行研究。针对客滚船海上航行存在的风险隐患,分别从人员、船舶、环境、管理四个方面进行危险源识别,并建立相应的评价指标体系,利用G1法确定各层级评价指标权重,同时收集指标对应的数据,对数据进行量化以及模糊算法处理得到24组样本数据。然后基于BP神经网络的理论,运用MATLAB软件建立神经网络风险评价模型。将处理好的前22组数据作为BP神经网络的训练数据,后2组数据作为BP神经网络的检测数据,对不同的隐含层节点情况进行分析,选择出最佳的隐含层节点数。测试结果表明,当隐含层节点数为10时,训练误差比较理想,同时其预测的精度高达98.74%,从而可以说明该神经网络评估模型是有效的。最后将采集到的“Y”号客滚船指标数据进行处理,并输入到已经训练好的BP神经网络评估模型中去,通过仿真分析,结果表明当时状态下“Y”客滚船的风险等级为安全。根据这一结果以及评价指标打分,分别从人员、船舶、环境、管理这个方面提出风险控制决策建议。

本文的研究能够在提高渤海湾客滚船安全航行以及经济效益等方面提供有力的科学依据和技术支持,同时也能够为航运公司提高对客滚船的管理提供技术指导和理论支持。本文最后针对正在运营的渤海湾“Y”号客滚船进行实证分析,更是证明综合安全评估以及BP神经网络在研究客滚船海上安全领域的可行性,具备实际意义。

参考文献:

[1] 蔡敬伟.全球客滚船市场全景扫描[J].中国船检, 2018(07):72-78+108-109.

[2] 王新胜.刘大刚.客滚船“辽旅渡7”沉没事故案例分析[J].航海技术, 2006(06):2-5.

[3] http://review.jcrb. com. cn/ournews/asp/readNews. asp?id=13312

[4] 尚伟东.于庆明.渤海湾客滚船运输安全现状分析及安全对策[J].中国海事, 2006(05):35-37.

[5] 王志坚.韩国“岁月”号客轮翻沉事故的教训和思考[J].中国应急管理, 2015(04):50-53.

[6] Ross C.Jordan D.Shipping world&ship builder[J].1995, (3):25-28.

[7] Hong B G, Yang Y U.A study on the criterion for the safety navigation of a roll-on ship in rough sea[J].Journal of Safety Research,2000, 37(3):245-260

[8] Chol-SeongKIM.A study on the criterion for safety navigation of a force-bridge-ship in rough sea based on a breakage avoidance of the wheelhouse front glass in irregular head waves [J].The Journal of Japan Institute of Navigation,2001,105:1-9.

[9] Lyridis D V,Zacharioudakis P G . Assessment of Investment Risk in Greek Short Sea Shipping: A Ro-Ro Passenger Ferry Case[J]. 船舶与海洋工程:英文版, 2012(1):36-44.

[10] Houzhong C, Ying H, Guoping G, et al. Study on the Risk-Identification Model of the Ro-Ro Passenger Ship′s Sailing Based on the Brittle Link Theory[J]. Journal of Wuhan University of Technology, 2016.

[11] 刘新建, 杨鵾鹏, 程向新,王鹏,潘新祥.基于ETA的客滚船车辆舱火灾原因和控制分析[J].航海技术,2008(01):24-26.

[12] 高路.渤海湾客滚船火灾安全评价的研究[D].大连海事大学,2009.

[13] 路其军.基于BP网络的客滚船大风浪航行安全评估[D].大连海事大学,2010.

[14] 王勇.基于BP神经网络的客滚船营运风险评估[J].中国海事,2010(10):49-51.

[15] 李道科,唐寒秋,董斌,黄荔飞.台湾海峡两岸客滚船航行风险评估[J].中国航海, 2012,35(02):64-67.

[16] 于皓然.渤海湾客滚船航行风险模型建立与研究对策[D].大连海事大学,2016.

[17] Kontovas C A, Psaraftis H N.Formal Safety Assessment: A Critical Review[J]. Marine Technology, 2009, 46(1):45-59.

[18] Ventikos N P , Psaraftis H N . Spill accident modeling: a critical survey of the event-decision network in the context of IMO’s formal safety assessment[J]. Journal of Hazardous Materials, 2004, 107(1-2):59-66.

[19] Njumo, DA.Fault Tree Analysis (FTA) -Formal Safety Assessment (FSA) In Ship Repair Industry A Made Easy Approach[J].International Journal Maritime Engineering, 2013, 155(1):23-32.

[20] Mentes A, Akyildiz H, Yetkin M, et al.A FSA based fuzzy DEMATEL approach for risk assessment of cargo ships at coasts and open seas of Turkey [J], Safety Science, 2015, 79:1-10.

[21] Zaman M B, Santoso A, Kobayashi E, et al.Formal Safety Assessment (FSA) for Analysis of Ship Collision Using AIS Data[J].Transnav the International Journal on Marine Navigation & Safety of Sea Transportation, 2015, 9(1):67-72.

[22] 樊智军.综合安全评估(FSA)在单船修理项目中的应用研究[D].上海交通大学, 2011.

[23] 张建宝.基于FSA的天津港航行安全研究[D].大连海事大学, 2013.

[24] 侯甲彬.基于FSA的国际航线豪华邮轮主推进柴油机系统安全评价[D].山东交通学院,2016.

[25] 吴浩然.集装箱船装卸货综合安全评估[D].大连海事大学, 2017.

[26] 于皓然.渤海湾客滚船航行风险模型建立与研究对策[D].大连海事大学, 2016

[27] 许娟. 危险品船的综合安全评估[D].大连海事大学, 2008.

[28] 曾宪军.烟台大连客滚船运输综合安全评估研究[D].大连海事大学, 2014.

[29 ]高儒. 集装箱船综合安全评估(FSA)研究[D].大连海事大学, 2013.

[30] Raspotnig C, Opdahl A . Comparing risk identification techniques for safety and security requirements[J]. Journal of Systems and Software, 2013, 86(4):1124-1151.

[31] Hu S, Fang Q, Xia H, et al. Formal safety assessment based on relative risks model in ship navigation[J]. Reliability Engineering & System Safety, 2017, 92(3):369-377.

[32] 宋世俊. 综合安全评估(FSA)方法及在船舶交通管理水域的应用研究[D].大连海事大学,2011.

[33] 童翠龙. 基于FSA的渤海冰期航行安全保障研究[D].大连海事大学, 2013.

[34] 郁滨.系统工程理论1.北京:中国科学技术大学出版社, 2009.

[35] 曾宪军. 烟台大连客滚船运输综合安全评估研究[D].大连海事大学, 2014.

[36] Chen J, Zhang C, Zhang X , et al. Planetary gearbox condition monitoring of ship-based satellite communication antennas using ensemble multiwavelet analysis method[J]. Mechanical Systems and Signal Processing., 2013.

[37] 范诗琪, 严新平, 张金奋, 张笛.水上交通事故中人为因素研究综述[J].交通信息与安全, 2017,35(02):1-8

[38] 王道民.人为因素与船舶运输安全[J].中国海事, 2009(2):48-51.

[39] 谢新连, 霍伟伟, 徐豪, 董振华, 林武强.基于决策树的船舶设备维修级别分析[J].船舶工程, 2009, 31(06):84-87.

[40] 张安西.威连线客滚船车辆安全装载与系固的研究[D].大连海事大学, 2007.

[41] IMO.Code of Safety Practice for Cargo Stowage and Securing.London, 1997.

[42] Armbruster, William. RO-Ro Gets Redeployed [J]. Journal of Commerce. 2010, 11 (41):26-32.

[43] 魏海.渤海湾客滚船大风浪中航行策略研究[J].中国水运(下半月), 2018, 18(09):3-4

[44] 陈小青.加强航运安全教育 预防和减少航行事故[J].中国水运, 2017(12):24-25.

[45] Guo W, Qiao Y, Hou H . BP neural network optimized with PSO algorithm and its application in forecasting[C]// IEEE International Conference on Information Acquisition. IEEE, 2007.

[46] 于辰成.基于BP神经网络的高速铁路风险评价模型研究[D].西南交通大学, 2014.

[47] 陈明等.MATLAB 神经网络原理与实例精解[M].2013.3.1.清华大学出版社, 2012.

[48] Ungst, Williamsv, Bonsalla, et al.Test case based risk predictions using artificial neural network[J].Journal of Safety Research, 2006, 37(3):245-260

[49] 杨涛. 基于BP神经网络法的煤矿安全评价系统研究[D].太原理工大学, 2012.

[50] Debabrata Mandal, Surjya K. Pal, Partha Saha. Back propagation neural network based modeling of multi-response of an electrical discharge machining process[J]. International Journal of Knowledge-based and Intelligent Engineering Systems, 2007, 11(2).

[51] 蔡会娟. 基于AHP和BP神经网络的高校研究生综合素质评价研究[D].河南师范大学, 2014.

[52] Xiao Z, Ye S J, Zhong B, et al. BP neural network with rough set for short term load forecasting[J]. Expert Systems with Applications An International Journal, 2009, 36(1):273-279.

[53] 陈明.MATLAB神经网络原理与实例精解[M].北京:清华大学出版社, 2013:165-166

[54] 王长帅.基于BP神经网络的火电厂技改项目风险评价[D].昆明理工大学, 2017.

[55] Alessio Ishizaka, Craig Pearman, Philippe Nemery. AHPSort:an AHP-based method for sorting problems[J] .International Journal of Production Research.2012 (17)

[56] Youlu Xing, Guihuan Feng, Youzhu Wang.Entropy Theory Based Handwritten Shape and Text Distinction Method[J].Energy Procedia, 2012

[57] 刘俊杰, 高扬, 靳珊珊.基于G_1法的飞行疲劳综合评价指标体系研究[J].中国安全科学学报, 2010, 20(09):21-26.

[58] 訾阳.煤矿重大事故应急救援能力评估研究[D].安徽理工大学, 2014.

中图分类号:

 U676.1    

馆藏号:

 U676.1/1958/2019    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式