【技术实现步骤摘要】
本专利技术属于航标预警领域，具体地说是一种基于多因素模糊综合判断的航标预警方法及系统。
技术介绍
1、在海上航行安全管理中，航标作为一种重要的导航辅助设备，其预警功能的准确性直接关系到船舶的安全运行和海上交通的效率。随着科技的发展，航标系统已经从传统的静态标志逐步演变为集成高科技的动态管理系统。特别是在信息技术和传感器技术的快速发展下，实时数据的采集和处理已成为提升航标预警系统性能的关键。现有技术中，多因素模糊综合评判方法已被逐渐应用于航标预警系统中，通过综合考虑多种海洋和气象条件，如波浪、风速ws、能见度v等因素，以达到提高预警的准确性和实时性的目的。
2、尽管现有的航标预警系统已经能够处理多种数据，但在实时性和准确性方面仍存在不足。例如，传统的模糊综合评判方法在处理大规模实时数据时，往往会因算法处理能力有限而延迟反应，且难以适应快速变化的海洋环境。此外，现有系统在数据集成和处理方面的灵活性和扩展性也较为有限，这限制了其在复杂海洋条件下的应用效果。针对这些问题，本专利技术提出了一种优化的方法，通过整合更高效的实时环境传感器和采用先进的数据处理算法，不仅提高了数据处理的速度和准确性，还增强了系统对复杂环境变化的适应能力。例如，通过引入机器学习技术，系统能够基于历史数据自动调整评判标准，以更精准地反映实时环境的变化，从而显著提高预警的准确性和时效性。
技术实现思路
1、尽管现有的航标预警系统已经能够处理多种数据，但在实时性和准确性方面仍存在不足。例如，传统的模糊综合评判方
2、为实现上述目的，本专利技术提供如下技术方案，一种基于多因素模糊综合判断的航标预警方法，包括如下具体技术步骤：
3、第一步，确定影响航行安全的关键因子，根据每个因子在安全航行中的重要性，分配相应的权重；
4、第二步，使用传感器实时收集环境相关数据，通过自动识别系统(ais)收集附近船只的位置p、航速s、航向d、船舶密度sd，对收集的数据进行清洗和格式化，以适配后续处理需要；
5、第三步，基于评判因子和权重，构建模糊关系矩阵，该矩阵描述了各因素对预警级别的贡献，输入实时收集的数据到模糊关系矩阵中，通过模糊逻辑算法处理，输出模糊输出向量b；
6、第四步，根据模糊输出向量b，系统评估当前的风险级别，并生成相应的预警信号，通过航标系统和其他通信设备，将预警信息广播给所有相关船舶和海事管理机构。
7、作为一种基于多因素模糊综合判断的航标预警方法的优选技术方案，第一步包括以下具体步骤：
8、s11.从气象站和船舶自动识别系统(ais)收集航行安全相关的数据，所述航行安全相关的数据包括环境条件数据和航行行为数据；其中，所述环境条件数据包括风速ws、波高wh和能见度v，所述航行行为数据包括位置p、航速s、航向d、船舶密度sd；
9、s12.讨论并分析收集到的环境数据和航行数据，初步识别影响航行安全的潜在关键因子，对初步识别的关键因子进行定性分析，评估每个因子对航行安全的潜在影响，利用风险评估方法，进一步筛选和确认与航行安全直接相关的关键因子；
10、s13.使用德尔菲方法对确认的每个关键因子的相对重要性进行评分，评分标准为1到10，收集并汇总评分结果，计算每个因子的平均重要性评分；将每个因子的平均评分进行归一化处理，确保所有因子的权重之和为1；
11、s14.在模拟环境中应用初步确定的权重，模拟不同航行场景，评估预警系统的预测准确性和响应速度，根据模拟结果调整权重，确保权重分配最大程度地反映实际航行中的安全风险，经过调整并验证的权重最终确定，并应用于航标预警系统的模糊综合评判模块。
12、作为一种基于多因素模糊综合判断的航标预警方法的优选技术方案，在第二步中，所述对收集的数据进行清洗和格式化包括如下具体步骤：
13、s21.检查数据的时间戳，确保时间戳的连续性和一致性；
14、s22.使用孤立森林算法检测环境数据和船舶数据中的异常值，异常检测公式为i(x)＝2-e(h(x))/e(n)，其中，i(x)为样本x的异常评分，e(h(x))为样本x的树高期望值，c(n)为调整系数；
15、s23.对时间序列数据中的缺失点，利用相邻数据进行线性插值，插值公式为其中，t1和t2为相邻数据点的时间戳，f(t1)和f(t2)为相对应的数据值；对于无法通过插值法补全的缺失数据，使用过去30天的历史数据均值进行补全，确保数据完整性；
16、s24.将不同来源和类型的数据转换为统一格式，将清洗后的环境数据和ais数据进行整合，形成综合数据记录，包含时间戳、环境参数和船舶参数。
17、4.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，第三步包括如下具体步骤：
18、s31.设定预警级别，l为低风险预警级别，m为中等风险预警级别，h为高风险预警级别，为每个评判因子定义隶属函数，将因子的具体数值映射到模糊集合上；
19、s32.将各评判因子的贡献值组织成模糊关系矩阵r,
20、
21、其中，矩阵中的元素rij表示第i个因子对第j个预警级别的贡献；
22、s33.将传感器和ais系统实施收集的数据的具体数值输入隶属函数，转换为模糊值，将模糊化后的实时数据组织成输入向量a；
23、s34.通过模糊逻辑算法将模糊输入向量a与模糊关系矩阵r进行运算，得到输出模糊输出向量b：
24、b＝a·r
25、其中，b表示不同风险级别的模糊隶属度。
26、作为一种基于多因素模糊综合判断的航标预警方法的优选技术方案，通过结合遗传算法(ga)和粒子群优化算法(pso)对模糊关系矩阵r进行优化，具体步骤包括如下：
27、s321.定义粒子群大小和初始化参数，随机生成初始粒子位置和速度，初始化种群时，将pso得到的最优解和部分较优解作为ga的初始种群；
28、s32.计算每个粒子的适应度值，根据粒子的当前速度、个体最佳位置和全局最佳位置更新粒子的速度和位置，比较当前粒子的适应度值，更新个体和全局最佳位置，判断是否达到pso的最大迭代次数或适应度值达到预定阈值。如果满足终止条件，结束pso阶段；否则，继续迭代；
29、s33.将pso阶段的最优解和部分较优解作为ga的初始种群，根据适应度值选择个体进行交叉操作和变异操作，生成新的子代个体，将子代个体加入种群，保留最优个体，判断是否达到ga的最大迭代次数或本文档来自技高网...
【技术保护点】
1.一种基于多因素模糊综合判断的航标预警方法，其特征在于，包括如下具体技术步骤：
2.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，第一步包括以下具体步骤：
3.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，在第二步中，所述对收集的数据进行清洗和格式化包括如下具体步骤：
4.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，第三步包括如下具体步骤：
5.根据权利要求4所述的基于多因素模糊综合判断的航标预警方法，其特征在于，通过结合遗传算法(GA)和粒子群优化算法(PSO)对模糊关系矩阵R进行优化，具体步骤包括如下：
6.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，在第四步中，根据模糊输出向量B，系统评估当前的风险级别，其具体步骤为：
7.一种基于多因素模糊综合判断的航标预警系统，基于权利要求1至5任一所述的基于多因素模糊综合判断的航标预警方法，其特征在于，包括：
【技术特征摘要】
1.一种基于多因素模糊综合判断的航标预警方法，其特征在于，包括如下具体技术步骤：
2.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，第一步包括以下具体步骤：
3.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，在第二步中，所述对收集的数据进行清洗和格式化包括如下具体步骤：
4.根据权利要求1所述的基于多因素模糊综合判断的航标预警方法，其特征在于，第三步包括如下具体步骤：
5...
【专利技术属性】
技术研发人员：陆颖，吴勇，陶肆，刘天毅，王嘉怡，薛博文，
申请(专利权)人：南京市登塔科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。