基于大数据挖掘的航标作业船航行安全评估研究_任广利.pdf

基于大数据挖掘的航标作业船航行安全评估研究基于大数据挖掘的航标作业船航行安全评估研究任广利(天津海运职业学院，天津 300350)摘 要:以保障航标作业船安全航行为目的，研究基于大数据挖掘的航标作业船航行安全评估方法。该方法利用大数据挖掘技术中的 R 聚类方法筛选航标作业船航行安全评估指标，利用大数据挖掘技术中的因子分析方法获取信息量较大的航标作业船航行安全评估指标，并构建安全评估指标体系。以该安全评估指标体系作为基础，利用模糊层次综合评估算法，通过构建评估因素集、评价集、评价矩阵等步骤得到航标作业船航行安全评估结果。实验表明，该方法具备较好的航标作业船航行安全评估指标筛选能力的同时，可有效对不同作业位置的航标作业船航行安全进行评估，具备较好的应用效果。关键词：大数据挖掘；R 聚类；因子分析；航标作业船；安全评估中图分类号：TP391 文献标识码：A文章编号：1672 7649(2023)12 0140 04 doi：10.3404/j.issn.1672 7619.2023.12.027Research on navigation safety assessment of navigation aids operation shipsbased on big data miningREN Guang-li(Tianjin Maritime College,Tianjin 300350,China)Abstract:With the aim of ensuring the safe navigation of navigation aids operation ships,this paper studies the naviga-tion safety evaluation method of navigation aids operation ships based on big data mining.This method uses the R clusteringmethod in big data mining technology to screen the navigation safety evaluation indicators of navigation aids operation ships,and then uses the factor analysis method in big data mining technology to obtain the navigation safety evaluation indicatorsof navigation aids operation ships with a large amount of information,and constructs a safety evaluation index system.Basedon the safety evaluation index system,the fuzzy hierarchical comprehensive evaluation algorithm is used to construct anevaluation factor set,evaluation set.The evaluation matrix and other steps are used to obtain the navigation safety evaluationresults of the navigation aid operation ship.The experiment shows that this method has good screening ability for navigationsafety evaluation indicators of navigation aids operation ships,and can effectively evaluate the navigation safety of naviga-tion aids operation ships at different operation positions,with good application effects.Key words:big data mining；R clustering；factor analysis；navigation mark operation vessel；safety assessment 0 引言航标作业船也被称为布标船，是用于布设和维护航标基地的勤务船，也可用于海洋石油开采、海沙开采、海洋水文地质探查等区域标记1。航标作业船在海上布设航标时，其附近存在暗礁、浅滩以及岩石，是作业时安全风险较高，且航标作业船上搭载起重机、大量浮标以及航标仪等设备，一旦触及暗礁、岩石或距离浅滩较近，航标作业船会出现碰撞、搁浅的风险2，威胁航标作业船航行安全，因此对航标作业船航行安全进行评估意义重大。目前有学者研究船航行安全评估方法，张叶等3提出基于 KNN 算法的船舶评估方法，该方法采集船舶操纵姿态数据后，使用KNN 算法得到船舶风险评估结果。杜沛等4则通过分析船舶航行的海洋环境要素，建立评估指标体系后，利用层次分析方法得到船航行风险评估结果。上述2 种方法虽可实现船航行风险评估结果，但前者仅从船航行姿态角度其航行风险进行分析，而后者则仅从船航行海洋环境角度对其风险进行评估，二者方法均第 45 卷 第 12 期舰 船 科 学 技 术Vol.45,No.122023 年 6 月SHIP SCIENCE AND TECHNOLOGYJun.,2023 收稿日期:2022 12 29作者简介:任广利(1983 )，男，远洋船长/副教授，研究方向为船舶管理及航海教育。存在一定的片面性。大数据挖掘方法是利用分析处理算法、机器学习算法等从海量大数据内挖掘隐含信息的数据处理方法，目前该方法在交通、医疗、航海等多个领域应用极为广泛5。本文研究基于大数据挖掘的航标作业船航行安全评估方法，为保障航标作业船安全航行提供技术支持。1 航标作业船航行安全评估方法 1.1 大数据挖掘的航行安全评估指标体系构建 1.1.1 R 聚类算法的航行安全评估指标定量筛选对航标作业船航行安全评估指标定量聚类的目的是将反映相同或相近的指标归为一类，保障航标作业船航行安全评估指标的全面性。使用大数据挖掘算法中的 R 聚类算法筛选航标作业船航行安全评估指标定量，其过程如下：nnPi令存在 个航标作业船航行安全评估指标，将该个指标划分为 类，则第 类指标离差平方和表达式为：Yi=nij=1(x(j)i xi)(x(j)i xi)。(1)Yiiniix(j)iij xii式中：为第 类指标离差平方和；为第 类指标个数；为第 个评估指标的第 个样本值向量；为第个评估指标的平均样本值向量。k依据式(1)对航标作业船航行安全评估指标进行聚类，每合并一个类别6，离差平方和的数值就要增大，依据最小原则对航标作业船航行安全评估指标进行聚类，则 类的总离差平方和表达式如下：Y=ki=1nij=1(x(j)i xi)(x(j)i xi)，(2)Yk式中，为 类的总离差平方和。P经过上述步骤反复迭代，即可得到个航标作业船航行安全评估指标类别，完成航行安全评估指标定量筛选。1.1.2 因子分析的最大信息含量评估指标遴选筛选完航标作业船航行安全评估指标后，利用因子分析方法遴选最大信息含量的指标，并建立航标作业船航行安全评估体系。因子分析的本质是利用少数具有实际意义的公因子线性组合的方式描述评估目标7，因子分析表达式如下：xi=ai1q1+ai2q2+aikqk+i。(3)xii式中：为第 个航标作业船航行安全评估指标，其中i=1,2,ppixiqjjj=1,2,kkaijij，为指标总数；为的特殊因子；为第 个公因子，且，为公因子数量；为第 个指标在第 个公因子上的负载数值。Zjqjqj利用筛选的航标作业船航行安全评估指标建立相关系数矩阵，该矩阵由表示，矩阵的特征值由表示，该特征值是公因子解释航标作业船航行安全评估指标的总方差，则对航标作业船航行安全评估指标数值方差贡献计算式如下：wj=jkj=1j，(4)wjqj式中，为对航标作业船航行安全评估指标数值方差贡献值。Kjaij对式(4)结果进行排序处理，当累积方差贡献超过 80%以上，说明其提取到的公因子可代表几乎全部的航标作业船航行安全评估原始信息。然后选择前个特征值对应的公因子，使用主成分分析方法计算其因子荷载阵，则因子正交旋转时，和的关系表达式如下：j=Ki=1a2ij。(5)|aij|式中：数值越大，则该指标涵盖的信息越多。将式(5)代入式(4)内，通过式(4)选取累积方差超过 80%的公因子，再利用式(3)进行计算，记得遴选到最大信息含量的航标作业船航行安全评估指标，利用该指标建立的航标作业船航行安全评估指标体系，如表 1 所示。对航标作业船航行安全评估指标体系进行 赋 值 量 化 处 理，数 值 7 为 高 风 险，数 值 位 于56 区间时为中风险，数值位于 34 为低风险，数值3 为无风险。1.2 基于模糊层次综合评估算法的航标作业船航行安全评估依据表 1 内的航标作业船航行安全评估指标体系，使用大数据挖掘算法中的模糊层次综合评估算法实现航标作业船航行安全评估，其过程如下：利用航标作业船航行安全评估指标体系建立航标作业船航行安全评估因素集，该因素集可将航标作业船航行安全评估因素划分为多个层次，则航标作业船的航行安全评估因素集表达式如下：U=U1,U2,Um。(6)Um式中：表示航标作业船的航行安全评估因素集；为第 45 卷任广利：基于大数据挖掘的航标作业船航行安全评估研究 141 评价因素个数。建立航标作业船的航行安全评估的评价集，其表达式如下：V=v1,v2,vm。(7)Vvi V式中：为航标作业船的航行安全评估的评价集，。依据式(7)结果，可得到航标作业船航行安全评估指标体系内二级指标的评估模糊隶属度，对该隶属度进行量化后，得到二级指标影响因素评价矩阵表达式如下：Gi=|g11.g1n.gm1gmn|。(8)Gii式中：为第 个二级指标影响因素评价矩阵。依据式(8)，则航标作业船航行安全评估一级指标的因素评估矩阵表达式如下：Hi=WiGi。(9)HiWi=(wi1,wi2,wim)式中，为一级指标的因素评估矩阵；为指标权重集；为模糊运算符。依据上述公式结果，建立航标作业船航行安全评估综合评价矩阵，表达式如下：R=|H1H2.Hm|。(10)利用式(10)即可得到航标作业船航行安全评估结果。2 实验结果与分析以 10 艘同型号航标作业船作为实验对象，该航标作业船满载排水量为 2000 t，航速为 14.5 kn，续航力为 3500 n mile，自持力为 40 昼夜。船上配置 2 台起重机和绞盘，起重机起吊能力为 10 t，航标位于甲板位置，搭载 8 个，利用本文方法对该航标作业船航行安全进行评估。验证本文方法对航标作业船航行安全评估指标定量筛选能力，以归一化互信息指标作为衡量指标，测试在本文方法筛选指标数量不同时的归一化互信息数值，结果如图 1 所示。分析图 1 可知，本文方法在筛选航标作业船航行安全评估指标时，其归一化互信息数值随着筛选指标数量的增加而降低，在指标数量为20 个之前时，其归一化互信息数值接近 1.0，指标数量持续增加，本文方法归一化互信息数值呈现小幅度下降趋势。指标数量为 50 个时，本文方法删选航标作业船航行安全评估指标的归一化互信息数值依然高达0.95。上述结果说明：本文方法筛选航标作业船航行安全评估指标时的归一化互信息数值较高，筛选的航标作业船航行安全评估指标精度较高。图 1 评估指标筛选归一化互信息数值Fig.1 Normalized mutual information value ofevaluation index screenin