CN105836066A - 开敞式码头系泊船姿态预测方法及系统 - Google Patents

Abstract

本发明公开了一种开敞式码头系泊船姿态预测方法，包括如下步骤：采集环境动力数据、码头船舶数据和船舶姿态数据；集成所述采集到的三种数据，形成时间连续的范例序列，存储在环境码头船舶集成数据库中；采集当前环境动力数据，输入环境动力预报模型得到设定时间段内的环境动力预测数据；所述的环境动力预测数据至少包含风级、风速、风向、潮位、洋流流速和洋流流向；遍历所述的范例序列，通过计算得出与所述的环境动力预测数据加权欧几里得距离最小的范例，提取所述最小的范例的中船舶的姿态数据，即为船舶在设定时间的姿态预测数据；所述的船舶姿态数据至少包含：横移、横摇、纵移、纵摇、回转和升降6个自由度的数据。

Description

开敞式码头系泊船姿态预测方法及系统

技术领域

本发明涉及一种开敞式码头系泊船姿态预测方法及系统。涉及专利分类号B63船舶或其他水上船只；与船有关的设备B63B船舶或其他水上船只；船用设备B63B39/00减少纵摇，横摇或类似不希望有的船只运动的设备；指示船只姿态的设备B63B39/14用于指示横摇的倾角或持续时间的。

背景技术

码头系泊作业时，在风、海浪、潮流等环境动力作用下，系泊船常常会发生横移、横摇、纵移、纵摇、回转和升降等6个自由度的运动，过大的船舶运动幅度不仅容易导致船舶倾覆，影响船舶自身的安全。迄今为止，国内外现有的码头系泊作业尚未建立完备的系泊船预测系统，目前，系泊作业通常依靠天气预报和目测海况(少部分港口附近设立了海域波浪监测装置，少数码头依靠激光靠泊系统监测船舶位置和姿态)决定船舶离靠泊时间。基本方法是靠人工经验进行预判的操作方式。

现有的依靠天气预报、目测海况和系泊船舶监测系统进行人工预判的操作方式，效率低下，无法实现信息共享，更缺乏科学的预测能力，安全性得不到保障，在极端气象和海况条件下，常有系泊船倾覆事故的发生，不仅造成重大的经济损失，也降低港口的安全信誉。

发明内容

本发明针对以上问题的提出，而研制的一种开敞式码头系泊船姿态预测方法，包括如下步骤：

—采集环境动力数据、码头船舶数据和船舶姿态数据；集成所述采集到的三种数据，形成时间连续的范例序列，存储在环境码头船舶集成数据库中；

—采集当前环境动力数据，输入环境动力预报模型得到设定时间段内的环境动力预测数据；所述的环境动力预测数据至少包含风级、风速、风向、潮位、洋流流速和洋流流向；

—遍历所述的范例序列，通过计算得出与所述的环境动力预测数据加权欧几里得距离最小的范例，提取所述最小的范例的中船舶的姿态数据，即为船舶在设定时间的姿态预测数据；

所述的船舶姿态数据至少包含：横移、横摇、纵移、纵摇、回转和升降6个自由度的数据。

作为优选的实施方式，所述“遍历所述的范例序列”步骤之前还包括：

—根据所述的码头船舶数据和船舶姿态数据，在所述的环境码头船舶集成数据库中进行精确查找出匹配范例集合；

所述的码头船舶基础数据至少包括：泊位、船舶类型、吨级、载量和布缆方式。

作为优选的实施方式，所述的数据集成之前，对所述的环境动力数据采用最小-最大规范化方法进行数据处理：

$new\_x=\frac{x-min}{max-min}(new\_max-new\_\min )$

将x从区间[min,max]映射到区间[new_min,new_max]即new_x，其中x为初始的环境因素数据；new-x为规范化后的环境因素数据。

作为优选的实施方式，所述的基于环境动力预测数据加权欧几里得距离计算公式如下：

$d(i,j)=\sqrt{w_1{\left|x_{i1}-x_{j1}\right|}^2+w_2{\left|x_{i2}-x_{j2}\right|}^2+\mathrm{......}+w_m{\left|x_{im}-x_{jm}\right|}^2}$

其中w为环境因素风级、风速、风向、潮位、洋流流速和洋流流向的权重系数；

$w_m=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{w}_{mk}$

其中风级、风速、风向、潮位、洋流流速和洋流流向6要素加权和为

$\underset{m=1}{\overset{6}{\Σ}}{w}_{mk}=1$

公式中x表示环境要素条件属性，下标m表示第几个环境要素，n为多个专家为当前权重系数的打分，本系统中共6个要素，i表示待预测范例，j表示规则库中的历史范例，d(i,j)表示两个范例已知条件属性的距离，其值大于等于0，距离越小表示两个范例越相似。

作为优选的实施方式，在集成所述采集到的三种数据之前，还包括对数据清洗和加载操作：

对脏数据、遗失数据、异常数据采用忽略元组、回归填充处理，确保数据分布在各要素的合理范围内，即MIN<＝DATA<＝MAX。

作为优选的实施方式，当提取的船舶的姿态数据中的任意一项超过阈值时，向指定的设备发出预警姿态值和姿态图形；形成预警船舶姿态报表。

一种开敞式码头系泊船姿态预测系统，包括：

采集环境动力数据、码头船舶数据和船舶姿态数据的数据采集单元；

集成所述采集到的三种数据，形成环境码头船舶集成数据库，形成时间连续的范例序列的数据集成单元以及处理单元；

工作时，所述的处理单元控制所述的数据采集单元采集当前的环境动力数据，输入所述的环境动力预报模型，得到设定时间段内的环境动力预测数据；所述的环境动力预测数据至少包含风级、风速、风向、潮位、洋流流速和洋流流向；

处理单元根据所述的环境动力预测数据，遍历所述的环境码头船舶集成数据库中的范例序列，选择与当前环境动力预测数据加权欧几里得距离最小的范例；提取选择的最小范例中的船舶姿态数据，即为船舶在设定时间段内的姿态预测数据；

所述的基于环境动力预测数据加权欧几里得距离计算公式如下：

$d(i,j)=\sqrt{w_1{\left|x_{i1}-x_{j1}\right|}^2+w_2{\left|x_{i2}-x_{j2}\right|}^2+\mathrm{......}+w_m{\left|x_{im}-x_{jm}\right|}^2}$

其中w为环境因素风级、风速、风向、潮位、洋流流速和洋流流向的权重系数；

$w_m=\frac{1}{n}\underset{k=1}{\overset{n}{\&Sigma;}}{w}_{mk}$

其中风级、风速、风向、潮位、洋流流速和洋流流向6要素加权和为

$\underset{m=1}{\overset{6}{\&Sigma;}}{w}_{mk}=1$

公式中x表示环境要素条件属性，下标m表示第几个环境要素，n为多个专家为当前权重系数的打分，本系统中共6个要素，i表示待预测范例，j表示规则库中的历史范例，d(i,j)表示两个范例已知条件属性的距离，其值大于等于0，距离越小表示两个范例越相似。

作为优选的实施方式，还包括数据预处理模块；该模块在所述的数据集成之前，对所述的环境动力数据采用最小-最大规范化方法进行数据处理：

$new\_x=\frac{x-min}{max-min}(new\_max-new\_min)$

将x从区间[min,max]映射到区间[new_min,new_max]即new_x。

更进一步的，还包括码头船舶规则获取模块，该模块根据输入的码头船舶数据和船舶姿态数据，在所述的环境码头船舶集成数据库中进行精确查找出匹配范例集合，将该范例集合传输至所述的处理单元；

所述的码头船舶基础数据至少包括：泊位、船舶类型、吨级、载量和布缆方式。

更进一步的，系统还包括数据过滤模块和报警模块；

所述的数据过滤模块在集成所述采集到的三种数据之前，对数据清洗和加载操作，对脏数据、遗失数据、异常数据采用忽略元组、回归填充处理方法，确保数据分布在各要素的合理范围内，即MIN<＝DATA<＝MAX；

所述的报警模块当所述处理单元提取的船舶的姿态数据中的任意一项超过阈值时，报警模块向指定的设备发出预警姿态值和姿态图形；形成预警船舶姿态报表。

通过采用上述技术方案，本发明公开的一种开敞式码头系泊船姿态预测方法及系统，可以预测未来N小时系泊船运动姿态信息，即船舶6个自由度(横移、横摇、纵移、纵摇、回转和升降)的有效预测值，给出未来系泊船运动姿态及其运动幅度三维模拟效果，为系泊作业中心确定船舶进出港及在泊位作业最优时间窗口提供了有效依据，进而实现港口及航道资源的合理调度和高效利用。预警信息的同步发布使监控中心和远程操作者能及时掌控系泊船舶安全作业，避免船舶作业事故的发生。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统模块图

图2为本发明的流程图

具体实施方式

为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1和图2所示：一种开敞式码头系泊船姿态预测系统，主要包括

采集环境动力数据、码头船舶数据和船舶姿态数据，集成所述采集到的三种数据，形成环境码头船舶集成数据库，形成时间连续的范例序列。

作为优选的实施方式，数据采集单元可由采集不同数据的数据获取终端组成，码头船舶基础数据获取终端、船舶姿态实时数据获取终端及环境动力实时数据获取终端分别实时获取码头船舶作业数据(泊位、船舶类型、吨级、载量、布缆方式)，船舶6个自由度(横移、横摇、纵移、纵摇、回转和升降)运动姿态数据和风、海浪、潮流6要素(风级、风速、波高、波向、流速、流向)环境动力数据，并实时存入基础实时库、船舶实时库和风浪流实时库。

对于存入基础实时库、船舶实时库和风浪流实时库的数据，首先ETL工具完成数据清洗和加载操作，对脏数据、遗失数据、异常数据采用忽略元组、回归填充等处理方法，确保数据分布在各要素的合理范围内，即MIN<＝DATA<＝MAX，数据存放于环境码头船舶集成数据库。

作为优选的是实时方式，在数据清洗过程中，依次扫描数据，若发现脏数据，如船舶载量属性输入不规范值错误，可按满载、半载或空载进行取值规范转换处理。若数据缺失，采用回归填充的方法处理。例如发现波高数据遗失，采用国家气象局发布的风浪登记表进行数据回归填充。对无法填充的数据，采用Delete删除记录方式处理。对有悖于度量标准的异常数据，采用忽略元组，删除Delete方式处理。例如：对于船舶运动等监测数据通过有各自约定范围，纵移为正负5米，横移为正负5米，横摇正负10米，纵摇为正负10度，回摇为正负10度，升降为正负1米。检索数据发现异常或空值等，可将元组直接删除。

在规则库建立之后，即可开始进行传播姿态的预测。首先采集当前环境动力数据，输入环境动力预报模型得到设定时间段内的环境动力预测数据。作为优选的实施方式，环境动力预报模型可以为外部模型，即直接利用气象台发布的气象海况预报，获取需要的诸如风级、风速、风向、潮位、洋流流速和洋流流向的数据。

为消除影响预测结果的环境要素数据偏差，完成环境因素数据规范化处理。采用最小-最大规范化方法，即

$new\_x=\frac{x-min}{max-min}(new\_max-new\_min)$

将x从区间[min,max]映射到区间[new_min,new_max]，即new_x，将处理后的数据形成规则存放于环境码头船舶规则库(历史范例)，该规则库构成了一个时间上连续的范例序列，时刻t对应的范例为I_t＝(C_t1,C_t2,C_t3)。C_t1为时刻t对应的环境因素数据，C_t2为时刻t对应的码头船舶作业数据，C_t3为时刻t对应的系泊船姿态运动数据。

本系统预测方法采用基于范例CASE的相似性查询方法，寻找待预测目标范例与历史范例之间的对应关系采用基于距离的相似性度量方法，系统实现中相似性度量采用加权的欧几里得距离；

即其中w为环境因素权重系数。权重知识库中的权重系数利用n个专家打分权重平均方法完成对环境因素权重系数的设定，即其中风、海浪、潮流6要素加权和d(i,j)表示两个范例已知条件属性的距离，其值大于等于0，距离越小表示两个范例越相似。

读取待预测的码头船舶基础数据，包括泊位、船舶类型、吨级、载量、布缆方式等数据，利用码头船舶规则获取模块，选取相应的部分匹配规则范例，以减少后续遍历获取非欧距离时的运算量。

系统中泊位采用2字符编码，船舶类型20字符编码，吨级实型编码，布缆方式采用4字符编码。应用SQL查询在规则库中检索与待预测范例具备相同码头船舶作业历史规则范例。检验条件：

$x_{im}=x_{jm},\&ForAll;m$

x表示上述4个条件属性。m表示第几个属性，其值从1到4。其中i表示待预测范例，j表示规则库中的历史范例。

用户输入待预测时间段(用户指定未来N小时，如1小时后、2小时后、6小时后、12小时后、24小时后、48小时后，系泊船的运动姿态情况)，利用气象台网发布的气象海况信息，获得未来N小时环境动力预测数据。利用环境预测分析处理模块完成环境动力数据集成，利用环境因素数据规范化模块采用最小-最大规范化方法，即

$new\_x=\frac{x-min}{\max -min}(new\_max-new\_min)$

完成环境动力数据的规范化处理。

调用船舶姿态预测处理模块，利用基于范例CASE的加权欧几里得距离系泊船相似性查询预测算法进行数据比对，环境因素权重系数从权重知识库中读取，环境因素距离计算方法：

$d(i,j)=\sqrt{w_1{\left|x_{i1}-x_{j1}\right|}^2+w_2{\left|x_{i2}-x_{j2}\right|}^2+\mathrm{......}+w_m{\left|x_{im}-x_{jm}\right|}^2}$

从预测方法库中获得。实施数据分布式查询处理，搜索相应的环境码头船舶预测规则(历史范例)，确定环境因素距离最小min_j∈CASE d(i,j)的范例为相似范例并提取对应的规则(历史范例)，得到待预测范例的船舶姿态预测信息，即船舶6个自由度(横移、横摇、纵移、纵摇、回转和升降)的有效预测值。

实施例1

待预测范例环境要素风向为1(横风)，风速2.1m/s，波高1.0m，波向为1(横浪)；流向为5度，流速为1m/s。

依次读取历史范例并计算d(i,j)，保留当前最小距离范例，当循环结束时，便得到距离最小min_j∈CASE d(i,j)的范例，提取该范例的船舶姿态数据，即为船舶姿态预测值。例如：横移0.54m，纵移0.2m，升降0.49m，横摇1.15度，纵摇0.36度，回转0.28度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种开敞式码头系泊船姿态预测方法，其特征在于包括如下步骤：

—采集环境动力数据、码头船舶数据和船舶姿态数据；集成所述采集到的三种数据，形成时间连续的范例序列，存储在环境码头船舶集成数据库中；

—采集当前环境动力数据，输入环境动力预报模型得到设定时间段内的环境动力预测数据；所述的环境动力预测数据至少包含风级、风速、风向、潮位、洋流流速和洋流流向；

—遍历所述的范例序列，通过计算得出与所述的环境动力预测数据加权欧几里得距离最小的范例，提取所述最小的范例的中船舶的姿态数据，即为船舶在设定时间的姿态预测数据；

所述的船舶姿态数据至少包含：横移、横摇、纵移、纵摇、回转和升降6个自由度的数据。

2.根据权利要求1所述的开敞式码头系泊船姿态预测方法，其特征还在于在所述“遍历所述的范例序列”步骤之前还包括：

—根据所述的码头船舶数据和船舶姿态数据，在所述的环境码头船舶集成数据库中进行精确查找出匹配范例集合；

所述的码头船舶基础数据至少包括：泊位、船舶类型、吨级、载量和布缆方式。

3.根据权利要求1所述的开敞式码头系泊船姿态预测方法，其特征还在于：所述的数据集成之前，对所述的环境动力数据采用最小-最大规范化方法进行数据处理：

$new\_x=\frac{x-min}{max-min}(new\_max-new\_min)$

将x从区间[min,max]映射到区间[new_min,new_max]即new_x，其中x为初始的环境因素数据；new-x为规范化后的环境因素数据。

4.根据权利要求1所述的开敞式码头系泊船姿态预测方法，其特征还在于：所述的基于环境动力预测数据加权欧几里得距离计算公式如下：

$d(i,j)=\sqrt{w_1|x_{i1}-x_{j1}{|}^2+w_2|x_{i2}-x_{j2}{|}^2+\mathrm{......}+w_m|x_{im}-x_{jm}{|}^2}$

其中w为环境因素风级、风速、风向、潮位、洋流流速和洋流流向的权重系数；

$w_m=\frac{1}{n}\underset{k=1}{\overset{n}{\&Sigma;}}{w}_{mk}$

其中风级、风速、风向、潮位、洋流流速和洋流流向6要素加权和为

$\underset{m=1}{\overset{6}{\&Sigma;}}{w}_{mk}=1$

公式中x表示环境要素条件属性，下标m表示第几个环境要素，n为多个专家为当前权重系数的打分，本系统中共6个要素，i表示待预测范例，j表示规则库中的历史范例，d(i,j)表示两个范例已知条件属性的距离，其值大于等于0，距离越小表示两个范例越相似。

5.根据权利要求1所述的开敞式码头系泊船姿态预测方法，其特征还在于：在集成所述采集到的三种数据之前，还包括对数据清洗和加载操作：

对脏数据、遗失数据、异常数据采用忽略元组、回归填充处理，确保数据分布在各要素的合理范围内，即MIN<＝DATA<＝MAX。

6.根据权利要求1所述的开敞式码头系泊船姿态预测系统，其特征还在于：当提取的船舶的姿态数据中的任意一项超过阈值时，向指定的设备发出预警姿态值和姿态图形；形成预警船舶姿态报表。

7.一种开敞式码头系泊船姿态预测系统，其特征还在于包括：

采集环境动力数据、码头船舶数据和船舶姿态数据的数据采集单元；

集成所述采集到的三种数据，形成环境码头船舶集成数据库，形成时间连续的范例序列的数据集成单元以及处理单元；

工作时，所述的处理单元控制所述的数据采集单元采集当前的环境动力数据，输入所述的环境动力预报模型，得到设定时间段内的环境动力预测数据；所述的环境动力预测数据至少包含风级、风速、风向、潮位、洋流流速和洋流流向；

处理单元根据所述的环境动力预测数据，遍历所述的环境码头船舶集成数据库中的范例序列，选择与当前环境动力预测数据加权欧几里得距离最小的范例；提取选择的最小范例中的船舶姿态数据，即为船舶在设定时间段内的姿态预测数据；

所述的基于环境动力预测数据加权欧几里得距离计算公式如下：

$d(i,j)=\sqrt{w_1|x_{i1}-x_{j1}{|}^2+w_2|x_{i2}-x_{j2}{|}^2+\mathrm{......}+w_m|x_{im}-x_{jm}{|}^2}$

其中w为环境因素风级、风速、风向、潮位、洋流流速和洋流流向的权重系数；

$w_m=\frac{1}{n}\underset{k=1}{\overset{n}{\&Sigma;}}{w}_{mk}$

其中风级、风速、风向、潮位、洋流流速和洋流流向6要素加权和为

$\underset{m=1}{\overset{6}{\&Sigma;}}{w}_{mk}=1$

公式中x表示环境要素条件属性，下标m表示第几个环境要素，n为多个专家为当前权重系数的打分，本系统中共6个要素，i表示待预测范例，j表示规则库中的历史范例，d(i,j)表示两个范例已知条件属性的距离，其值大于等于0，距离越小表示两个范例越相似。

8.根据权利要求7所述的开敞式码头系泊船姿态预测系统，其特征还在于包括数据预处理模块；该模块在所述的数据集成之前，对所述的环境动力数据采用最小-最大规范化方法进行数据处理：

$new\_x=\frac{x-min}{max-min}(new\_max-new\_min)$

将x从区间[min,max]映射到区间[new_min,new_max]即new_x。

9.根据权利要求7所述的开敞式码头系泊船姿态预测系统，其特征还在于具有码头船舶规则获取模块，该模块根据输入的码头船舶数据和船舶姿态数据，在所述的环境码头船舶集成数据库中进行精确查找出匹配范例集合，将该范例集合传输至所述的处理单元；

所述的码头船舶基础数据至少包括：泊位、船舶类型、吨级、载量和布缆方式。

10.根据权利要求7所述的开敞式码头系泊船姿态预测系统，其特征还在于具有数据过滤模块和报警模块；

所述的数据过滤模块在集成所述采集到的三种数据之前，对数据清洗和加载操作，对脏数据、遗失数据、异常数据采用忽略元组以及回归填充处理方法，确保数据分布在各要素的合理范围内，即MIN<＝DATA<＝MAX；

所述的报警模块当所述处理单元提取的船舶的姿态数据中的任意一项超过阈值时，报警模块向指定的设备发出预警姿态值和姿态图形；形成预警船舶姿态报表。