【技术实现步骤摘要】
本专利技术涉及港口运输网络风险评价，尤其涉及基于拓扑仿真的港口运输网络风险评价方法及其系统。
技术介绍
1、随着全球化贸易的快速发展，港口作为重要的物流枢纽，承担着日益增长的危险货物运输任务。这些危险货物包括易燃、易爆、有毒和腐蚀性化学品等，其运输过程中的安全管理至关重要。然而，由于港口运输网络的复杂性和动态变化，传统的风险评价方法已难以满足当前的需求。现有的评价方法往往依赖于静态数据和经验判断，缺乏对实时数据的分析和对网络动态变化的适应能力。因此，迫切需要一种能够实时、动态地评估港口运输网络风险的方法，以提高港口运输的安全性和效率。本专利技术正是基于这样的背景，提出了一种基于拓扑仿真的港口运输网络风险评价方法及其系统，旨在通过先进的数据分析技术和网络拓扑理论，实现对港口运输网络风险的精准评估。
技术实现思路
1、本专利技术的目的是要提供基于拓扑仿真的港口运输网络风险评价方法及其系统。
2、为达到上述目的，本专利技术是按照以下技术方案实施的：
3、本专利技术包括以下步骤：
4、采集港口危险货物集中区域中危险货物运输的历史数据，包括危险货物种类、运输频率、运输量、运输路线、运行数据和事故记录；
5、基于所述运输路线构建动态港口运输网络模型，进行拓扑分析构建脆弱性函数；
6、对所述历史数据的特征数据进行融合得到融合特征，基于所述事故记录得到事故发生率；
7、基于所述融合特征和所述事故发生率对所述港口运输网络模型进行
8、基于所述风险评价数据构建风险评价模型，通过沙猫优化算法优化所述风险评价模型，将待评价数据输入所述风险评价模型得到评价结果。
9、进一步地，采集港口危险货物集中区域中危险货物运输的历史数据，包括危险货物种类、运输频率、运输量、运输路线、运行数据和事故记录的方法，包括：
10、通过港口运营记录、海事部门报告和安全监管档案获取历史数据，运输路线包括危险货物运输的设备设施的地理位置、运输连接和运输流程，运行数据包括设备设施的货物装卸时间、设备使用时间、容量和处理速度，以及运输连接的天气数据、运输时间、拥堵情况和运输能力。
11、进一步地，基于所述运输路线构建动态港口运输网络模型，进行拓扑分析构建脆弱性函数的方法，包括：
12、采用动态港口运输网络模型的节点为设备设施，节点属性包括节点的容量和处理速度，边表示节点之间的运输连接，边的属性包括运输时间和运输能力，动态港口运输网络模型的节点、边和节点属性随运输路线的变化动态更新，边的方向与危险货物的流动方向相同。
13、通过节点的聚类系数、介数、度数、度分布和节点权重对节点进行脆弱性分析得到节点的脆弱性函数：
14、
15、
16、其中，vi,cr为节点i的脆弱性，δ1、δ2、δ3、δ4和δ5分别为聚类系数、介数、度数、度分布和节点权重的影响权重，ci、bci,v、ki、p(ki)和wi分别为节点i的聚类系数、介数、度数、度分布和节点权重，和分别为节点的容量和处理速度的影响权重，ci和si分别为节点i的容量和处理速度，cmax和smax分别为所有节点中的最大容量和最大处理速度；
17、通过边的属性对边进行脆弱性分析得到边的脆弱性函数：
18、
19、其中，vj,cr为边j的脆弱性，υt、υc和υi分别为运输时间、运输能力和相邻节点脆弱性的影响权重，tj、cj、vj,n1,cr和vj,n2,cr分别为边j的运输时间、运输能力、相邻节点1的脆弱性和相邻节点2的脆弱性。
20、进一步地，对所述历史数据的特征数据进行融合得到融合特征的方法，包括：
21、将危险货物种类转换为数值向量，将运输频率、运输量和运行数据进行归一化预处理，
22、将危险货物种类、运输频率、运输量和运行数据按照时间顺序进行排列整理，形成可以进行信号处理的时序数据，对时序数据进行分解：
23、
24、其中为狄拉克函数，uk和ωk分别为分解后的第k个信号分量和对应的中心频率，ωk和uk分别为分解后第k个分量的中心频率和信号分量，k为分解后分量的数量，为信号f关于时间步t的偏导数，*表示卷积运算，π为圆周率，e为自然对数的底数，t为当前时间步，j为虚数单位，s.t.表示约束条件，f为待分解的信号，为时序数据，
25、通过迭代优化分解算法，不断调整各个分量和中心频率，使增广拉格朗日函数最小化，增广拉格朗日函数为：
26、
27、其中，为二次惩罚因子，λ为拉格朗日乘子，λ(t)为当前时间步的拉格朗日乘子，
28、引入交替方向乘子法，结合傅里叶等距变换求增广拉格朗日函数的解，直到和分别为第n次和第n+1次迭代的uk，更新uk、ωk和λ，得到信号分量的最优解；
29、采用bilstm算法提取信号分量的时序特征，通过交叉注意力机制得到加权时序特征，对加权时序特征进行拼接得到融合特征。
30、进一步地，基于所述事故记录得到事故发生率的方法，包括：
31、根据事故记录得到节点和边的每年的历史事故率，采用lstm结合svr算法建立事故预测模型：
32、将节点的运输频率、运输量、设备使用时间和历史事故率按照时间顺序排列得到输入序列，lstm的目标函数为：
33、
34、其中θ表示lstm的所有参数，n为输入序列的特征维度数量，t为输入序列的长度，yl,t为第l个特征维度在时间步t的特征值，为lstm的第j个参数，为lstm对yl,t的预测数据，α为l1正则化项的系数，ξ为常数项，用于保证数值稳定性，取ξ＝1×10-9；
35、将lstm的预测数据和对应的运输频率、运输量和设备使用时间构成输入向量，输入svr模型中，预测lstm的残差，svr的决策函数为：
36、f(x)＝ωtτ(x)+b,b∈r
37、其中，f(x)为线性回归函数，x为输入向量，包括节点的运输频率、运输量和设备使用时间，τ(x)为映射函数，ωt为ω的转置，ω和b为待确定的权重向量和偏置，r表示实数，加入松弛变量和惩罚因子防止过拟合，svr的拉格朗日目标函数为：
38、
39、其中，为正则化项，ξ和分别为上边界和下边界的松弛变量，ξl和分别为xl对应的上边界和下边界的松弛变量，xl为第l个输入向量，c为惩罚因子，0.1≤c≤100，m为输入向量的个数，l为拉格朗日目标函数，拉格朗日乘子μl、αl、μl和为与松弛变量有关的松弛乘子，αl和分别为xl对应的上边界和下边界的拉格朗日乘子，f(xl)为根据xl得到的对于yl的预测值，rl为xl对应的目标值，为残差，ε为容忍误差，0.01≤ε≤0.2，求解拉格朗日函数的极小值得到最优的优化乘子，根据最优的优化乘子得到本文档来自技高网...
【技术保护点】
1.基于拓扑仿真的港口运输网络风险评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，采集港口危险货物集中区域中危险货物运输的历史数据，包括危险货物种类、运输频率、运输量、运输路线、运行数据和事故记录的方法，包括：
3.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，基于所述运输路线构建动态港口运输网络模型，进行拓扑分析构建脆弱性函数的方法，包括：
4.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，对所述历史数据的特征数据进行融合得到融合特征的方法，包括：
5.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，基于所述事故记录得到事故发生率的方法，包括：
6.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，基于所述融合特征和所述事故发生率对所述港口运输网络模型进行拓扑仿真得到风险性函数的方法，包括：
7.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其
8.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，基于所述风险评价数据构建风险评价模型的方法，包括：
9.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，通过沙猫优化算法优化所述风险评价模型的方法，包括：
10.基于拓扑仿真的港口运输网络风险评价系统，用以执行权利要求1-9任一项所述的基于拓扑仿真的港口运输网络风险评价方法，其特征在于，包括：
...【技术特征摘要】
1.基于拓扑仿真的港口运输网络风险评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，采集港口危险货物集中区域中危险货物运输的历史数据，包括危险货物种类、运输频率、运输量、运输路线、运行数据和事故记录的方法，包括：
3.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，基于所述运输路线构建动态港口运输网络模型，进行拓扑分析构建脆弱性函数的方法，包括：
4.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，对所述历史数据的特征数据进行融合得到融合特征的方法，包括：
5.根据权利要求1所述基于拓扑仿真的港口运输网络风险评价方法，其特征在于，基于所述事故记录得到事故发生率的方法，包括：
...
【专利技术属性】
技术研发人员：周志辉，邹林，白天阳，杨扬，孙永健，
申请(专利权)人：交通运输部水运科学研究所，
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。