学位论文 > 优秀研究生学位论文题录展示

BP神经网络在船舶溢油损害评估中的应用

作　者: 孙祖锋
导　师: 朱新河
学　校: 大连海事大学
专　业: 船舶与海洋工程
关键词: 船舶溢油事故油污损害评估赔偿 BP神经网络
分类号: TP183
类　型: 硕士论文
年　份: 2013年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

随着我国经济快速发展,支撑经济发展所需的大量货物和能源,需要从国外运输进口,海上运输无疑是能源进口的重要形式。但我们应当清醒地意识到,在船舶运输市场一片繁荣景象的背后,因船舶带来的海洋环境污染的风险也与日俱增。近年来,溢油事故的不断发生,不但给当地渔业、水产养殖业、旅游业等造成经济损失,也严重损害了海洋以及海岸的自然环境和生态环境。溢油事故引起的清污费用支出、造成的经济损失和环境损害给予的赔偿是否及时是否完全在很大程度上影响着溢油清除和环境恢复活动的效率和结果。而我国发生的溢油事故往往得不到充分的赔偿,究其根本原因,除了我国航运污染事故损害赔偿责任机制尚不健全外,还由于缺少规范化、科学化的污染损失评估技术,无法对污染事故造成的各方面经济及生态损失做周密系统的计算,致使索赔方由于损害评估根据不充分而得不到有效的赔偿,大大影响了清污的效果,造成了重大的隐患。由此可见,创建切实可行、科学规范的船舶溢油污染事故损害评估模型,对于维护受害方的权益、有效地保障人命安全、保护水域环境、防止国民经济重大损失都具有重要的理论价值和实际意义。本文在总结归纳国内外油污损害评估方法应用与研究现状的基础上,对损害评估方法进行了探讨。由于直接评估法要求的数据不但种类繁多而且还要尽可能完整、准确,这就在一定程度上限制了其实用性。为此,本文针对船舶油污事故损害赔偿评估非线性系统的复杂性,将BP神经网络理论引入到船舶溢油损害评估,通过历史溢油事故案例样本,建立船舶溢油事故污染损害赔偿的BP神经网络模型：即根据船舶油污事故产生损害程度与溢油种类、数量、油膜面积、受污海岸类型和长度等指标作为BP网络的输入,溢油损害评估金额作为网络的输出。研究结果表明,应用BP神经网络方法对溢油损失进行估算,结果客观、可靠,为海上船舶溢油事故造成损害的赔偿与索赔问题提供了一种全新的评估方法。

全文目录

摘要  5-6
ABSTRACT  6-10
第1章绪论  10-17
  1.1 油污损害的现状  10-12
  1.2 船舶溢油损害赔偿评估方法研究的意义  12-13
  1.3 溢油损害评估方法研究现状及发展  13-15
    1.3.1 国际油污损害评估技术现状  14
    1.3.2 我国油污损害评估技术现状  14-15
    1.3.3 油污损害评估的发展趋势  15
  1.4 本文研究的内容  15-17
第2章油污损害项目及索赔项目分析  17-26
  2.1 油污损害的法律定义  17
  2.2 溢油污染造成的影响  17-19
    2.2.1 对政府机构的影响  17-18
    2.2.2 对渔业的影响  18
    2.2.3 对娱乐和旅游业的影响  18-19
    2.2.4 对沿岸工业的影响  19
    2.2.5 对航运业的影响  19
    2.2.6 对其他个人和集体的影响  19
  2.3 损害赔偿项目分类  19-24
    2.3.1 清污费用  20-21
    2.3.2 经济损失  21-22
    2.3.3 环境损害  22-24
  2.4 本章总结  24-26
第3章人工神经网络的基本理论  26-33
  3.1 人工神经网络的概述  26-27
  3.2 人工神经网络的学习训练  27-28
    3.2.1 人工神经网络的学习方式  27-28
    3.2.2 人工神经网络的学习规则  28
  3.3 BP神经网络模型  28-32
    3.3.1 BP神经网络结构组成  28-29
    3.3.2 BP神经网络训练过程  29-31
    3.3.3 BP网络模型和学习流程  31-32
  3.4 本章总结  32-33
第4章 BP神经网络的设计和应用  33-39
  4.1 人工神经网络应用于船舶油污事故损害赔偿估算的可行性分析  33
  4.2 油污事故输入参数的选择与特征值确定  33-35
  4.3 BP神经网络结构和参数的确定  35-38
    4.3.1 BP网络结构的设计  35-36
    4.3.2 网络参数的确定  36-37
    4.3.3 样本的预处理和后处理  37-38
  4.4 本章总结  38-39
第5章使用MATLAB对溢油网络(BP)进行训练和仿真分析  39-51
  5.1 训练样本和归一化处理函数  39-41
  5.2 使用MATLAB对BP神经网络进行学习和仿真  41-47
    5.2.1 常用的MATLAB工具箱函数  41-43
    5.2.2 BP网络的建立及训练  43-45
    5.2.3 BP网络的仿真输出  45-47
  5.3 结果分析  47-50
  5.4 本章总结  50-51
第6章总结与展望  51-53
  6.1 总结  51
  6.2 展望  51-53
参考文献  53-56
附录  56-58
致谢  58

BP神经网络在船舶溢油损害评估中的应用

内容摘要

全文目录

相似论文