CN104134004A - 一种基于d-s证据理论的海洋环境安全评估方法 - Google Patents

Abstract

本发明属于信息处理技术领域，具体涉及一种基于D-S证据理论对多种海洋环境要素数据进行融合，实现对海洋环境安全评估的基于D-S证据理论的海洋环境安全评估方法。本发明包括：计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值；计算机应用D-S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值：计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。本发明提出的基于D-S证据理论的海洋环境安全评估方法，有效地解决了海洋环境安全评估问题，能够为决策者提供合理的决策支持，提高船舶在大海中航行的安全性和经济性。

Description

一种基于D-S证据理论的海洋环境安全评估方法

技术领域

本发明属于信息处理技术领域，具体涉及一种基于D-S证据理论对多种海洋环境要素数据进行融合，实现对海洋环境安全评估的基于D-S证据理论的海洋环境安全评估方法。

背景技术

近年来，随着对海洋开发的重视，各种新的技术和手段被用于海洋环境观测和数据获取，由此积累了大量的海洋环境要素数据。海洋环境要素数据是能够反映海洋环境状态的基本物理因素，它们对船舶航行的安全性、经济性等都有重大的影响。如何更加有效地利用这些数据，用于辅助船舶航行正逐渐成为研究的热点。

海洋环境要素种类繁多，其中对船舶航行影响较大的要素主要有海流、潮流、风浪、涌浪和海风。海流、潮流会影响船舶的航行速度，顺流时可以增加船舶的航行航速，逆流时会使船舶的航行速度降低。此外，海流也会使船舶产生漂流现象，不利于船舶的停泊。风浪、涌浪容易使船舶偏离航线，造成碰撞、触礁等海上事故。大的风浪还会使船舶发生强烈的摇摆现象，不仅影响船舶航速、航向的控制，而且也会大大降低船舶的操纵性和稳定性，使船体和船上的货物受到严重的损害。船舶航行时如果不能很好地规避大的风浪，则容易被风浪袭击造成沉船事故。海风是影响船舶在大海中航行最为重要的环境因素，顺风航行可增加船舶的航行速度，减少其航行时间，逆风航行则迫使船舶加速前进，浪费燃料。当风力很大的时候，船舶的受损程度会非常严重，更为严重时还会有翻船的危险。

由上可知，恶劣的海洋环境会增加船舶航行的危险性，不利于船舶安全航行，严重时容易引发海上事故，造成不可估计的损失。因此，对海洋环境安全状况进行评估是非常有必要而且有意义的。目前，在海洋环境安全评估方面常用的方法有评分法、神经网络法、概率风险法、灰色关联法和模糊综合法。评分法采用评价因素分数求和的方式计算评价结果，很难客观地反映实际情况。神经网络法有其固有缺陷，如初始化参数的选取、需要大量的训练样本等问题。概率风险法是一种有效的评价方法，但其方法过于复杂，实现起来有一定的难度。灰色关联法和模糊综合法不仅有客观数据为评价依据，而且还有专家对各个评价指标的主观意见作参考，能够很好地给出综合评价结果，但有的时候由于评价指标多、分析层次多会导致计算量比较大，计算过程更为复杂。

发明内容

本发明的目的在于针对上述现有方法的不足，根据海洋环境要素的特点，提出了一种为决策者充分利用有利的海洋环境，避开危险的海洋环境提供科学依据，提高船舶在大海中航行的安全性和经济性的基于D-S证据理论的海洋环境安全评估方法。

本发明的目的是这样实现的：

一种基于D-S证据理论的海洋环境安全评估方法，包括：

(1)计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值:

(1.1)确定海洋环境安全等级的识别框架：

将海洋环境安全等级划分为很安全、较安全、一般安全、较危险、很危险5个安全等级，分别用θ₁,θ₂,θ₃,θ₄,θ₅进行表示，则海洋环境安全等级的识别框架Θ＝{θ₁,θ₂,θ₃,θ₄,θ₅}；

(1.2)划分海洋环境要素安全等级区间：

根据海洋环境要素自身的安全属性，划分海洋环境要素在识别框架下的安全等级区间；

(1.3)根据海洋环境要素值的大小，计算对应的安全等级的基本概率赋值：

当海洋环境要素值属于安全范围内，对应的安全等级的基本概率赋值m(θ_i)为：

$m\left({\mathrm{\θ}}_i\right)=\frac{b-x}{\mathrm{\λ}+|x-\frac{a+b}{2}|\·(x-a)}x\∈\mathrm{safe},$

当海洋环境要素值属于危险范围内，安全等级的基本概率赋值m(θ_i)为：

其中，θ_i为海洋环境要素值所对应的安全等级，i＝1或2,…,或n，x是某时刻某位置的海洋环境要素值，safe是该海洋环境要素的安全范围，dangerous是该海洋环境要素的危险范围，d_s为最小危险等级临界值，d_c为最大危险等级临界值，a，b为该海洋环境要素值所对应的安全等级的区间端点，λ是调节参数，用来保证m(θ_i)∈[0,1]，这里取λ＝b-a；

(1.4)将其余安全等级的基本概率赋值m(θ_p)初始化为0，p＝1,2,…,n，但p≠i；

(1.5)计算不确定信息的基本概率赋值：

在步骤(1.3)中得到的基本概率赋值m(θ_i)小于1，则将其余的值作为不确定信息赋给整个识别框架Θ，即不确定信息的基本概率赋值m(Θ)为：

m(Θ)＝1-m(θ_i)，

(1.6)计算各个安全等级通过分配不确定信息得到的基本概率赋值：

将步骤(1.3)中得到的基本概率赋值m(θ_i)作为组合权重，用来对比例信度转换方法和比例似真度转换方法进行线性组合，得出不确定信息分配给各个安全等级的基本概率赋值m(θ_j)'：

$m{\left({\mathrm{\θ}}_j\right)}^{\′}=[\mathrm{\α}\·\frac{m\left({\mathrm{\θ}}_j\right)}{\underset{{\mathrm{\θ}}_j\∈\mathrm{\Θ}}{\mathrm{\Σ}}m\left({\mathrm{\θ}}_j\right)}+(1-\mathrm{\α})\·\frac{\mathrm{Pl}\left({\mathrm{\θ}}_j\right)}{\underset{{\mathrm{\θ}}_j\∈\mathrm{\Θ}}{\mathrm{\Σ}}\mathrm{Pl}\left({\mathrm{\θ}}_j\right)}]m\left(\mathrm{\Θ}\right),$

其中，α＝m(θ_i)，m(θ_j)是由步骤(1.3)、步骤(1.4)中得到的各个安全等级θ_j的基本概率赋值，Pl(θ_j)是各个安全等级θ_j在识别框架Θ中的似然度，j＝1,2,…,n，m(Θ)为不确定信息的基本概率赋值；

7)计算海洋环境要素最终的基本概率赋值：

海洋环境要素的基本概率赋值m(θ_j)″，j＝1,2,…,n，由步骤(1.3)、步骤(1.4)中得到的基本概率赋值m(θ_j)与步骤(1.6)中得到的基本概率赋值m(θ_j)'之和获得，即

m(θ_j)″＝m(θ_j)+m(θ_j)'；

(2)计算机应用D-S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值：

由步骤(1)得到的基本概率赋值按照如下融合规则进行融合，并将融合后的结果进行输出：

$m\left(S\right)=\frac{\underset{A_i\∩B_j\∩C_k\∩...=S}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...}{1-K}$

其中，冲突系数：

$K=\underset{A_i\∩B_j\∩C_k\∩...=\mathrm{\φ}}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...;$

(3)计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。

计算机对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果，是指计算机根据决策规则：最大的基本概率赋值对应的安全等级就是当前海洋环境安全状况的评估结果，对融合后的基本概率赋值进行判断，输出当前海洋环境安全评估结果。

本发明的优点在于：

1.本发明提出的基于D-S证据理论的海洋环境安全评估方法，有效地解决了海洋环境安全评估问题，能够为决策者提供合理的决策支持，提高船舶在大海中航行的安全性和经济性。

2.本发明根据海洋环境要素的特点，提出了海洋环境要素基本概率赋值的计算方法，为海洋环境安全评估提供理论基础和技术支持。

3.本发明提出了不确定信息分配方法，用其对不确定信息进行处理，能够合理分配不确定信息，增大确定性，降低决策风险。

4.本发明实用性强，运算简单，容易操作。

附图说明

图1为海洋环境安全评估流程图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明所采用的技术方案是一种基于D-S证据理论的海洋环境安全评估方法，该方法包括以下步骤：

(1)计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值。具体步骤如下：

1)确定海洋环境安全等级的识别框架。

根据海洋环境的实际情况，将海洋环境安全等级划分为很安全、较安全、一般安全、较危险、很危险5个安全等级，分别用θ₁,θ₂,θ₃,θ₄,θ₅对它们进行表示，则海洋环境安全等级的识别框架Θ＝{θ₁,θ₂,θ₃,θ₄,θ₅}。

2)划分海洋环境要素安全等级区间。

根据海洋环境要素自身的安全属性，划分海洋环境要素在识别框架下的安全等级区间。

3)根据海洋环境要素值的大小，计算其对应的安全等级的基本概率赋值。

当海洋环境要素值属于安全范围内，其对应的安全等级的基本概率赋值m(θ_i)的计算公式如式(1)所示。

$m\left({\mathrm{\θ}}_i\right)=\frac{b-x}{\mathrm{\λ}+|x-\frac{a+b}{2}|\·(x-a)}x\∈\mathrm{safe}---\left(1\right)$

当海洋环境要素值属于危险范围内，其对应的安全等级的基本概率赋值m(θ_i)的计算公式如式(2)所示。

其中，θ_i为海洋环境要素值所对应的安全等级，i＝1或2,…,或n，x是某时刻某位置的海洋环境要素值，safe是该海洋环境要素的安全范围，dangerous是该海洋环境要素的危险范围，d_s为最小危险等级临界值，d_c为最大危险等级临界值，a，b为该海洋环境要素值所对应的安全等级的区间端点，λ是调节参数，用来保证m(θ_i)∈[0,1]，这里取λ＝b-a。

4)将其余安全等级的基本概率赋值m(θ_p)初始化为0，p＝1,2,…,n，但p≠i。

5)计算不确定信息的基本概率赋值。

由于不确定因素的存在，步骤3)中得到的基本概率赋值m(θ_i)可能小于1，则将其余的值作为不确定信息赋给整个识别框架Θ，即不确定信息的基本概率赋值m(Θ)为：

m(Θ)＝1-m(θ_i)    (3)

6)计算各个安全等级通过分配不确定信息得到的基本概率赋值。

将步骤3)中得到的基本概率赋值m(θ_i)作为组合权重，用来对比例信度转换方法和比例似真度转换方法进行线性组合，得出不确定信息分配给各个安全等级的基本概率赋值m(θ_j)'，计算公式如式(4)所示。

$m{\left({\mathrm{\θ}}_j\right)}^{\′}=[\mathrm{\α}\·\frac{m\left({\mathrm{\θ}}_j\right)}{\underset{{\mathrm{\θ}}_j\∈\mathrm{\Θ}}{\mathrm{\Σ}}m\left({\mathrm{\θ}}_j\right)}+(1-\mathrm{\α})\·\frac{\mathrm{Pl}\left({\mathrm{\θ}}_j\right)}{\underset{{\mathrm{\θ}}_j\∈\mathrm{\Θ}}{\mathrm{\Σ}}\mathrm{Pl}\left({\mathrm{\θ}}_j\right)}]m\left(\mathrm{\Θ}\right)---\left(4\right)$

其中，α＝m(θ_i)，m(θ_j)是由步骤3)、步骤4)中得到的各个安全等级θ_j的基本概率赋值，Pl(θ_j)是各个安全等级θ_j在识别框架Θ中的似然度，j＝1,2,…,n，m(Θ)为不确定信息的基本概率赋值。

7)计算海洋环境要素最终的基本概率赋值。

海洋环境要素最终的基本概率赋值m(θ_j)″，j＝1,2,…,n，由步骤3)、步骤4)中得到的基本概率赋值m(θ_j)与步骤6)中得到的基本概率赋值m(θ_j)'之和获得，即

m(θ_j)″＝m(θ_j)+m(θ_j)'    (5)

(2)计算机应用D-S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值。融合规则如下：

$m\left(S\right)=\frac{\underset{A_i\∩B_j\∩C_k\∩...=S}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...}{1-K}---\left(6\right)$

其中，冲突系数：

$K=\underset{A_i\∩B_j\∩C_k\∩...=\mathrm{\φ}}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...---\left(7\right)$

(3)计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。

计算机根据决策规则：最大的基本概率赋值对应的安全等级就是当前海洋环境安全状况的评估结果，对融合后的基本概率赋值进行判断，输出当前海洋环境安全评估结果。

针对现有的海洋环境安全评估方法的不足，结合海洋环境要素的特点，本发明提出了一种基于D-S证据理论的海洋环境安全评估方法，下面以海流、潮流、风浪、涌浪和海风要素为例对本发明做出详细说明。

(1)计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值。

设计算机获取某时刻某位置的海洋环境要素值如表1所示。

表1 海洋环境要素值

根据海洋环境的实际情况，将海洋环境安全等级划分为很安全、较安全、一般安全、较危险、很危险5个安全等级，分别用θ₁,θ₂,θ₃,θ₄,θ₅对它们进行表示，则海洋环境安全等级的识别框架Θ＝{θ₁,θ₂,θ₃,θ₄,θ₅}。

在识别框架Θ下，海流、潮流、风浪、涌浪和海风的安全等级区间如表2所示。

表2 安全等级区间

海流要素基本概率赋值的计算过程如下：

由于海流值为1.2∈(1.0,2.0]，属于较安全等级，则将其带入公式(1)，得出较安全等级θ₂的基本概率赋值m(θ₂)＝0.7547。

将其余的安全等级的基本概率赋值初始化为0，即很安全、一般安全、较危险和很危险等级的基本概率赋值分别为m(θ₁)＝0,m(θ₃)＝0,m(θ₄)＝0,m(θ₅)＝0。

按照公式(3)，得出不确定信息的基本概率赋值m(Θ)＝0.2453。

按照公式(4)，计算海流要素各个安全等级分配不确定信息m(Θ)上的基本概率赋值m(θ₁)'，m(θ₂)'，m(θ₃)'，m(θ₄)'，m(θ₅)'，计算结果如表3所示。

表3 分配不确定信息得到的基本概率赋值

按照公式(5)，计算海流要素最终的基本概率赋值m(θ₁)″，m(θ₂)″，m(θ₃)″，m(θ₄)″，m(θ₅)″，计算结果如表4所示。

表4 海流要素的基本概率赋值

同理可计算出潮流、风浪、涌浪和海风要素的基本概率赋值如表5所示。

表5 各个要素的基本概率赋值

(2)计算机应用D-S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值。

按照公式(6)和公式(7)对海流、潮流、风浪、涌浪和海风进行融合，得出融合后的基本概率赋值如表6所示，其中，m_A∩B(·)、m_A∩B∩C(·)、m_{A∩B∩C∩D}(·)、m_{A∩B∩C∩D∩E}(·)分别表示海流和潮流融合后的结果，海流、潮流和风浪融合后的结果，海流、潮流、风浪和涌浪融合后的结果，海流、潮流、风浪、涌浪和海风融合后的结果，m_{A∩B∩C∩D∩E}(·)的结果也就是最终输出的结果。

表6 融合后的基本概率赋值

(3)计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。

计算机根据决策规则：最大的基本概率赋值对应的安全等级就是当前海洋环境安全状况的评估结果，对融合后的基本概率赋值进行判断，发现最大的基本概率赋值为0.8978，其对应的安全等级为较危险，所以当前的海洋环境安全状况处于较危险等级。

Claims (2)

1.一种基于D-S证据理论的海洋环境安全评估方法，其特征在于：

(1)计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值:

(1.1)确定海洋环境安全等级的识别框架：

将海洋环境安全等级划分为很安全、较安全、一般安全、较危险、很危险5个安全等级，分别用θ₁,θ₂,θ₃,θ₄,θ₅进行表示，则海洋环境安全等级的识别框架Θ＝{θ₁,θ₂,θ₃,θ₄,θ₅}；

(1.2)划分海洋环境要素安全等级区间：

根据海洋环境要素自身的安全属性，划分海洋环境要素在识别框架下的安全等级区间；

(1.3)根据海洋环境要素值的大小，计算对应的安全等级的基本概率赋值：

当海洋环境要素值属于安全范围内，对应的安全等级的基本概率赋值m(θ_i)为：

$m\left({\mathrm{\θ}}_i\right)=\frac{b-x}{\mathrm{\λ}+|x-\frac{a+b}{2}|\·(x-a)}x\∈\mathrm{safe},$

当海洋环境要素值属于危险范围内，安全等级的基本概率赋值m(θ_i)为：

其中，θ_i为海洋环境要素值所对应的安全等级，i＝1或2,…,或n，x是某时刻某位置的海洋环境要素值，safe是该海洋环境要素的安全范围，dangerous是该海洋环境要素的危险范围，d_s为最小危险等级临界值，d_c为最大危险等级临界值，a，b为该海洋环境要素值所对应的安全等级的区间端点，λ是调节参数，用来保证m(θ_i)∈[0,1]，这里取λ＝b-a；

(1.4)将其余安全等级的基本概率赋值m(θ_p)初始化为0，p＝1,2,…,n，但p≠i；

(1.5)计算不确定信息的基本概率赋值：

在步骤(1.3)中得到的基本概率赋值m(θ_i)小于1，则将其余的值作为不确定信息赋给整个识别框架Θ，即不确定信息的基本概率赋值m(Θ)为：

m(Θ)＝1-m(θ_i)，

(1.6)计算各个安全等级通过分配不确定信息得到的基本概率赋值：

将步骤(1.3)中得到的基本概率赋值m(θ_i)作为组合权重，用来对比例信度转换方法和比例似真度转换方法进行线性组合，得出不确定信息分配给各个安全等级的基本概率赋值m(θ_j)'：

$m{\left({\mathrm{\θ}}_j\right)}^{\′}=[\mathrm{\α}\·\frac{m\left({\mathrm{\θ}}_j\right)}{\underset{{\mathrm{\θ}}_j\∈\mathrm{\Θ}}{\mathrm{\Σ}}m\left({\mathrm{\θ}}_j\right)}+(1-\mathrm{\α})\·\frac{\mathrm{Pl}\left({\mathrm{\θ}}_j\right)}{\underset{{\mathrm{\θ}}_j\∈\mathrm{\Θ}}{\mathrm{\Σ}}\mathrm{Pl}\left({\mathrm{\θ}}_j\right)}]m\left(\mathrm{\Θ}\right),$

其中，α＝m(θ_i)，m(θ_j)是由步骤(1.3)、步骤(1.4)中得到的各个安全等级θ_j的基本概率赋值，Pl(θ_j)是各个安全等级θ_j在识别框架Θ中的似然度，j＝1,2,…,n，m(Θ)为不确定信息的基本概率赋值；

7)计算海洋环境要素最终的基本概率赋值：

海洋环境要素的基本概率赋值m(θ_j)″，j＝1,2,…,n，由步骤(1.3)、步骤(1.4)中得到的基本概率赋值m(θ_j)与步骤(1.6)中得到的基本概率赋值m(θ_j)'之和获得，即

m(θ_j)″＝m(θ_j)+m(θ_j)'；

(2)计算机应用D-S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值：

由步骤(1)得到的基本概率赋值按照如下融合规则进行融合，并将融合后的结果进行输出：

$m\left(S\right)=\frac{\underset{A_i\∩B_j\∩C_k\∩...=S}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...}{1-K}$

其中，冲突系数：

$K=\underset{A_i\∩B_j\∩C_k\∩...=\mathrm{\φ}}{\mathrm{\Σ}}m\left(A_i\right)m\left(B_j\right)m\left(C_k\right)...;$

(3)计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。

2.根据权利要求1所述的一种基于D-S证据理论的海洋环境安全评估方法，其特征在于：所述的计算机对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果，是指计算机根据决策规则：最大的基本概率赋值对应的安全等级就是当前海洋环境安全状况的评估结果，对融合后的基本概率赋值进行判断，输出当前海洋环境安全评估结果。