论文部分内容阅读
船舶作为海上运输的重要载体,是一项复杂而庞大的系统工程。现代化船舶不仅集中了当今最先进的通信、导航、机械、自动化等高新技术,还配备了高素质的海员、丰富的海图资料以及先进的管理体系,船舶运营以及海上货物运输构成了高价值的商业活动。海上运输另一个属性是高风险,船上的人员、货物、机器以及能量系统占据着船上有限的空间。根据不同的事故致因理论,无论是“海恩理论”、“能量释放”还是“物的不安全状态和人的不安全行为”等,船上各元素相互之间的干扰容易引发事故。此外,船舶航行于礁石、浅滩、运河以及进港航道等狭窄水路,航行于狂风、巨浪、急流或大雾中,难免会发生海上事故。事故的后果不仅给船东、船公司、货主及承保的保险公司带来巨额的经济损失,严重的化学品泄漏或溢油事故还会造成短期或较长时间无法恢复的生态灾难。本文在国内外对船舶风险的评价指标体系和评价方法的研究基础之上,针对当前对船舶总体风险评价方法的所存在的不足,参考了上海港船舶溢油事故风险评价和船舶碰撞危险评价研究中神经网络模型的应用,进一步提出了一种基于BP神经网络的船舶风险评价方法。该方法具有极强的非线行逼近、模糊推理、大规模并行处理、自训练学习、自组织和比较良好的容错性等优点。在一定程度上避免了一些主观与随机的干扰因素,通过BP神经网络模型的输出值与期望风险值或先前已获得的风险评价结果的比较和检验,验证BP神经网络对船舶风险评价的有效性和可操作性。本文选取某油运公司的5艘液货船作为样本,同时邀请该公司经验丰富的10位船长完成相关的调查问卷。将所得的信息通过BP神经网络的原理以及MATLAB软件工具进行训练与处理,使得模型的误差达到预定的误差之内。利用训练好的BP网络评价模型,对白鹭洲号轮进行风险评价,为船舶下一步的风险控制与决策提供了依据。