CN112308430A - 一种海上船舶溢油事故多物资应急调度方法 - Google Patents

一种海上船舶溢油事故多物资应急调度方法 Download PDF

Info

Publication number
CN112308430A
CN112308430A CN202011207130.4A CN202011207130A CN112308430A CN 112308430 A CN112308430 A CN 112308430A CN 202011207130 A CN202011207130 A CN 202011207130A CN 112308430 A CN112308430 A CN 112308430A
Authority
CN
China
Prior art keywords
oil spill
emergency
accident
ship
scheduling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011207130.4A
Other languages
English (en)
Inventor
刘晓佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jimei University
Original Assignee
Jimei University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jimei University filed Critical Jimei University
Priority to CN202011207130.4A priority Critical patent/CN112308430A/zh
Publication of CN112308430A publication Critical patent/CN112308430A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Strategic Management (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)

Abstract

本发明公开了一种海上船舶溢油事故多物资应急调度方法，包括如下步骤：调度物资类型确认、调度船舶类型确认、溢油事故需求量预估、溢油漂移扩散仿真、三角模糊数学理论、理论模型确立与算法设计与实际多物资调度方案确定；通过针对海上船舶溢油事故持续性与漂移扩散性的特点，研究了多物资、多调度船舶特征下的溢油应急物资调度问题，先通过GNOME仿真确定漂移扩散位置，确定物资需求点，再利用三角模糊数，确定模糊状态的物资需求量，最后构建针对海上船舶溢油事故的应急物资调度模型。模型的运用需要事先明确应急储备库储备、可调度船舶数量、应急储备库与事故点距离等信息，解决了应急物资储备库对各种物资的调度分配问题。

Description

一种海上船舶溢油事故多物资应急调度方法
技术领域
本发明属于溢油事故应急调度技术领域，更具体地说，尤其涉及一种海上船舶溢油事故多物资应急调度方法。
背景技术
船舶是海上主要的交通运输工具，船舶海上航行可能出现碰撞、触礁、搁浅、火灾或者爆炸等海损事故，造成储油舱和燃机舱设备破损，发生海上溢油事故。据统计，仅在1973年至2018年我国沿海港口共发生船舶溢油事故三千多起，对海洋环境产成恶劣影响，造成巨大经济损失，并且海上船舶溢油事故的发生具有突发性、不确定性和漂移扩散等特点，海上船舶溢油事故具有特殊性，应急物资运输船舶路径受影响程度小，而且比起海上溢油事故对环境的损害和造成的经济损失，往往不会考虑运输费用，这就导致上述模型具有局限性，针对海上溢油事故应急调度的研究较少。
海上溢油是指进入海洋环境或河流的油，主要是指原油及其相关炼制品，根据国际合约对油的定义是指任何形式的石油，包括原油、燃料油、油泥、油渣和炼制产品。溢出的油品不仅具有火灾危险，而且会对海洋生态造成严重污染，破坏海洋环境。及时合理的调度溢油应急物资，对降低由于海上船舶溢油事故产生的安全隐患和减少对海洋生态造成的破坏尤为重要；综合国内外海上溢油应急物资调度的现有技术，大都是进行应急物资需求数量明确下的单种物资调度研究，并且未结合港口具体可调度船舶数量，因此我们需要提出一种海上船舶溢油事故多物资应急调度方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，通过针对海上船舶溢油事故持续性与漂移扩散性的特点，研究了多物资、多调度船舶特征下的溢油应急物资调度问题，先通过GNOME仿真确定漂移扩散位置，确定物资需求点，再利用三角模糊数，确定模糊状态的物资需求量，最后构建针对海上船舶溢油事故的应急物资调度模型。模型的运用需要事先明确应急储备库储备、可调度船舶数量、应急储备库与事故点距离等信息，结合海上船舶溢油事故特点，通过预测溢油区域和溢油应急物资数量，提出多物资、多运输船舶下的应急调度模型。该模型以配送时间最小为目标，利用遗传算法求解，最终得出具体船舶运输应急物资调度方案而提出的一种海上船舶溢油事故多物资应急调度方法。
为实现上述目的，本发明提供如下技术方案：一种海上船舶溢油事故多物资应急调度方法，包括如下步骤：
S1、调度物资类型确认，不同溢油类型、气象环境、海况及溢油规模下对海上溢油事故需求的物资不尽相同，在事故的实际应急调度前对实际存储的物资类型与物资储量进行统计确认；
S2、调度船舶类型确认，海上溢油处置作业中按照应急处置需求分为溢油工作船和溢油应急运输船舶，在事故的实际应急调度前对两组类型的船舶进行分类管理，并对两类运输船舶的数量进行统计确认；
S3、溢油事故需求量预估，海上船舶溢油事故发生时，相关部门立即做出应急响应和处置，对事故点溢油源、溢油量、溢油成分、溢油扩散范围及其应急物资需求量进行预测估计；
S4、溢油漂移扩散仿真，海上溢油漂移扩散方面，采用GNOME仿真软件对风、洋流以及其他因素的变化造成的溢油扩散和转移进行模拟仿真；
S5、三角模糊数学理论，海上船舶溢油事故发生后，由于天气、交通、灾情等信息的不确定性使得应急物资需求量难以预测，只能类比已发生事故，估计物资需求区间，这就导致应急物资的需求存在很大的不确定性，三角模糊数能体现应急物资需求的不确定性，对于三角模糊数
Figure 824505DEST_PATH_IMAGE002
，其中
Figure 741645DEST_PATH_IMAGE004
，其隶属度
Figure DEST_PATH_IMAGE005
。
S6、理论模型确立与算法设计，通过模仿自然界的选择与遗传机理来寻找最优解的特性问题参数编码成染色体，再利用迭代的方式进行全局迅游，最终生产符合优化目标的染色体，在一次应急物资调度过程中，将参加调度任务的所有船舶的调度任务序列为一条染色体，任意一条船舶的全部调度任务为一个基因，任意一辆船舶的单次完整调度任务为一个基因单元，从而进行符号编码形式的理论模型确立；
S7、实际多物资调度方案确定，通过架设某水域发生船舶溢油事故，假定事故点坐标、溢油量、风向与风速等事故参数，先通过溢油仿真，判断物资需求点位置，再结合应急物资储备库信息，从而通过上述步骤进行求解得出最优调度方案对比。
优选的，步骤S1中，海上溢油事故需求的调度物资类型包括拦阻溢油类物资、回收溢油类物资与其他物资。
优选的，步骤S2中，溢油工作船用于从港口出发后在事故点周围建立基站，进行溢油拦阻、回收与处理，应急运输船舶往返于事故点与应急储备库，承担溢油应急物资的输送。
优选的，步骤S3中，GNOME仿真软件的仿真依照的运动模型主要有拉格朗日法和欧拉法两种。
优选的，步骤S4中，物资需求点位置是经GNOME软件仿真后确定的，其空间位置不再发生变化。
优选的，步骤S5中，对于三角模糊数的比较时，通过该模糊数的整体期望值对其进行去模糊化处理，在
Figure 832967DEST_PATH_IMAGE006
的基础上，模糊数的整体期望值为
Figure 290493DEST_PATH_IMAGE008
。
优选的，步骤S6中，理论模型的模型架设条件为：已知各应急储备库物资储量和物资需求点各物资需求区间，且总储量大于总需求量；已知各应急储备库与物资需求点之间距离。
优选的，各运输工具均满载某单一货物正常运行，不考虑物资的混合装载，物资流为单向流，考虑到装卸时间差别不大，因此在模型中不做考虑，只求解最短运输时间。
本发明的技术效果和优点：本发明提供的一种海上船舶溢油事故多物资应急调度方法，针对海上船舶溢油事故持续性与漂移扩散性的特点，研究了多物资、多调度船舶特征下的溢油应急物资调度问题，先通过GNOME仿真确定漂移扩散位置，进而确定物资需求点，再利用三角模糊数的思想，确定模糊状态下的应急物资需求量，最后构建针对海上船舶溢油事故的应急物资调度模型。模型的运用需要事先明确应急储备库储备、可调度船舶数量、应急储备库与事故点距离等信息，解决了应急物资储备库对各种物资的调度分配问题。
附图说明
图1为本发明的海上船舶溢油事故多物资应急调度方法的方法流程图；
图2为本发明实施例中理论模型和算法设计的遗传算法流程图形。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
一种海上船舶溢油事故多物资应急调度方法，包括如下步骤：
S1、调度物资类型确认，不同溢油类型、气象环境、海况及溢油规模下 对海上溢油事故需求的物资不尽相同，在事故的实际应急调度前对实际存储 的物资类型与物资储量进行统计确认；
S2、调度船舶类型确认，海上溢油处置作业中按照应急处置需求分为溢 油工作船和溢油应急运输船舶，在事故的实际应急调度前对两组类型的船舶 进行分类管理，并对两类运输船舶的数量进行统计确认；
S3、溢油事故需求量预估，海上船舶溢油事故发生时，相关部门立即做 出应急响应和处置，对事故点溢油源、溢油量、溢油成分、溢油扩散范围及 其应急物资需求量进行预测估计；
S4、溢油漂移扩散仿真，海上溢油漂移扩散方面，采用GNOME仿真软件 对风、洋流以及其他因素的变化造成的溢油扩散和转移进行模拟仿真；
S5、三角模糊数学理论，海上船舶溢油事故发生后，由于天气、交通、 灾情等信息的不确定性使得应急物资需求量难以预测，只能类比已发生事故， 估计物资需求区间，这就导致应急物资的需求存在很大的不确定性，三角模 糊数能体现应急物资需求的不确定性，对于三角模糊数A＝(a,b,c)，其中 a≤b≤c∈R，其隶属度
Figure RE-GDA0002803878420000051
S6、理论模型确立与算法设计，通过模仿自然界的选择与遗传机理来寻 找最优解的特性问题参数编码成染色体，再利用迭代的方式进行全局迅游， 最终生产符合优化目标的染色体，在一次应急物资调度过程中，将参加调度 任务的所有船舶的调度任务序列为一条染色体，任意一条船舶的全部调度任 务为一个基因，任意一辆船舶的单次完整调度任务为一个基因单元，从而进 行符号编码形式的理论模型确立；
S7、实际多物资调度方案确定，通过架设某水域发生船舶溢油事故，假 定事故点坐标、溢油量、风向与风速等事故参数，先通过溢油仿真，判断物 资需求点位置，再结合应急物资储备库信息，从而通过上述步骤进行求解得 出最优调度方案对比。
上述步骤中模型假设条件：
(1)已知各应急储备库物资储量和物资需求点各物资需求区间，且总储 量大于总需求量。
(2)已知各应急储备库与物资需求点之间距离。
(3)各运输船舶均满载某单一货物正常运行，每种物资以吨为单位参与 调度。物资流为单向流，考虑到装卸时间差别不大，因此在模型中不做考虑， 只求解最短运输时间。
(4)物资需求点位置是经GNOME仿真后确定的，其空间位置不再发生变 化。Si＝{s1,s2,,sm}与Dj＝{d1,d2,,dn}分别表示应急储备库与物资需求点信息。 包括：物资类型w(w＝1,2,,p)的储存量siw和需求区间ITjw(A)。C＝{c1,c2,,cg}表 示船舶集合，ck(k＝1,2,,g)表示该次调度任务中第k艘船的运输信息，包含该 船舶的载货量(dk)、航速(vk)、数量(nk)，即ck＝{dk,vk,nk}。L为应急储备 库和物资需求点之间路程的矩阵
Figure RE-GDA0002803878420000061
第h艘船舶在 整个调度过程中的总工作时间为twh，即twh为第h艘船舶运输w类型物资完成 调度的时间，所有船舶的调度完成时间为T，即T＝{tw1,tw2,twh}。算法设计的 目标是求解T中的最大船舶调度时间的最小值。模型目标函数和约束条件如 下所示：
模型目标函数：min(T) (1)
约束条件：
Figure RE-GDA0002803878420000071
Figure RE-GDA0002803878420000072
Figure RE-GDA0002803878420000073
Figure RE-GDA0002803878420000074
其中上述公式中，1式表示以整个调度过程的完成时间最小为目标；2式 表示对于任意w类型物资，应急储备库的总供应量大于等于事故点的物资类 型总需求量；3式表示表示对于w类型物资，调度到需求点j的物资量等于其 需求量；4式表示任意一艘船舶往返两地配送运输时间；5式表示任意一艘船 舶k，每次调度的物资数量等于自身的运载能力。
遗传算法作为计算机科学人工智能领域中用于解决最优化的一种搜索进 化式算法，也是启发式算法的一种。这种启发式通常用来生成有用的解决方 案来优化和搜索问题，搜索全局最优解。而遗传算法具有模仿自然界的选择 与遗传机理来寻找最优解的特性，把问题参数编码为染色体，再利用迭代的 方式进行全局寻优，最终生成符合优化目标的染色体。在一次应急物资调度 过程中，将参加调度任务的所有船舶的调度任务序列为一条染色体，任意一 条船舶的全部调度任务信息编制为一个基因，任意一辆船舶的单次完整调度任务为一个基因单元，本文的研究模型采用符号编码形式，定义如下：
S1,S2,,Si：表示i个应急储备库；
D1,D2,,Dj：表示j个物资需求点；
w1,w2,w3：分别表示阻拦类物资、回收类物资和其他物资；
cA,cB：代表A、B两种运输船舶A类船舶为港作拖轮，B类船舶为港口运 输货船，cA＝{300,8,u}，cB＝{100,20,v}。即A、B船的载货量分别为300t和100t， 满载航行速度分别为8n/h，20n/h。u(u＝1,2,,k)A船序号，B船序号 v(v＝k+1,k+2,,g)。
根据以上分析，遗传算法的基本步骤为：
步骤1：读取数据，初始化最佳种群个体适应度值，选择最大迭代次数， 本文取10000次；
步骤2：根据适应度值从小到大进行排序，若当前种群最佳个体适应度值 小于历史最佳种群个体适应度值，则进行替换；
步骤3：进行选择及重组操作，概率50％，将不够优良的个体剔除种群， 将一半的优良个体保留，将另一半的优良个体替换；
步骤：迭代进行变异操作判断和变异操作，计算并赋值适应度函数值， 按照概率值(小于11％)，决定是否进行变异操作；
步骤5：判断是否满足终止条件，t≤tmax，tmax计为最大迭代次数内最大的 时间，如果是，则输出此时对应的最优方案和最优解，算法结束；如果否， 则转至步骤2。
通过先对各参数信息进行编码，读取数据，其次进行遗传算法求解。本 文将遗传算法迭代过程中染色体的目标函数值即应急物资配送时间与迭代次 数的关系数据进行存储并绘图分析。随着遗传代数的增加，对应的适应度越 高，目标数值越小，调度方案越优秀。
如图2所示，上述的遗传算法流程图中，将各物资储备库与物资需求点 以坐标的形式建立表格，导入包括各种物资需求量、储备量、坐标点等信息。 在任意一个初始的随机方案中，设置的参数主要信息包括：事故点物资需求 量信息、位置信息、应急储备库物资储备信息、位置信息、船舶序号等信息。
具体的，步骤S1中，海上溢油事故需求的调度物资类型包括拦阻溢油类 物资、回收溢油类物资与其他物资。步骤S2中，溢油工作船用于从港口出发 后在事故点周围建立基站，进行溢油拦阻、回收与处理，应急运输船舶往返 于事故点与应急储备库，承担溢油应急物资的输送。
步骤S3中，GNOME仿真软件的仿真依照的运动模型主要有拉格朗日法和 欧拉法两种。步骤S4中，物资需求点位置是经GNOME软件仿真后确定的，其 空间位置不再发生变化。
步骤S5中，对于三角模糊数的比较时，通过该模糊数的整体期望值对其 进行去模糊化处理，在A＝(a,b,c)的基础上，模糊数的整体期望值为
Figure RE-GDA0002803878420000091
步骤S6中，理论模型的模型架设条件为：已知各应急储 备库物资储量和物资需求点各物资需求区间，且总储量大于总需求量；已知 各应急储备库与物资需求点之间距离。各运输工具均满载某单一货物正常运 行，不考虑物资的混合装载，物资流为单向流，考虑到装卸时间差别不大，因此在模型中不做考虑，只求解最短运输时间。
综上所述：本发明针对海上船舶溢油事故持续性与漂移扩散性的特点，研究了多物资、多调度船舶特征下的溢油应急物资调度问题，先通过GNOME仿真确定漂移扩散位置，进而确定物资需求点，再利用三角模糊数的思想，确定模糊状态下的应急物资需求量，最后构建针对海上船舶溢油事故的应急物资调度模型。模型的运用需要事先明确应急储备库储备、可调度船舶数量、应急储备库与事故点距离等信息，解决了应急物资储备库对各种物资的调度分配问题。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种海上船舶溢油事故多物资应急调度方法，其特征在于：包括如下步骤：
S1、调度物资类型确认，不同溢油类型、气象环境、海况及溢油规模下对海上溢油事故需求的物资不尽相同，在事故的实际应急调度前对实际存储的物资类型与物资储量进行统计确认；
S2、调度船舶类型确认，海上溢油处置作业中按照应急处置需求分为溢油工作船和溢油应急运输船舶，在事故的实际应急调度前对两组类型的船舶进行分类管理，并对两类运输船舶的数量进行统计确认；
S3、溢油事故需求量预估，海上船舶溢油事故发生时，相关部门立即做出应急响应和处置，对事故点溢油源、溢油量、溢油成分、溢油扩散范围及其应急物资需求量进行预测估计；
S4、溢油漂移扩散仿真，海上溢油漂移扩散方面，采用GNOME仿真软件对风、洋流以及其他因素的变化造成的溢油扩散和转移进行模拟仿真；
S5、三角模糊数学理论，海上船舶溢油事故发生后，由于天气、交通、灾情等信息的不确定性使得应急物资需求量难以预测，只能类比已发生事故，估计物资需求区间，这就导致应急物资的需求存在很大的不确定性，三角模糊数能体现应急物资需求的不确定性，对于三角模糊数A＝(a,b,c)，其中a≤b≤c∈R，其隶属度
Figure RE-FDA0002803878410000011
S6、理论模型确立与算法设计，通过模仿自然界的选择与遗传机理来寻找最优解的特性问题参数编码成染色体，再利用迭代的方式进行全局迅游，最终生产符合优化目标的染色体，在一次应急物资调度过程中，将参加调度任务的所有船舶的调度任务序列为一条染色体，任意一条船舶的全部调度任务为一个基因，任意一辆船舶的单次完整调度任务为一个基因单元，从而进行符号编码形式的理论模型确立；
S7、实际多物资调度方案确定，通过架设某水域发生船舶溢油事故，假定事故点坐标、溢油量、风向与风速等事故参数，先通过溢油仿真，判断物资需求点位置，再结合应急物资储备库信息，从而通过上述步骤进行求解得出最优调度方案对比。
2.根据权利要求1所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：步骤S1中，海上溢油事故需求的调度物资类型包括拦阻溢油类物资、回收溢油类物资与其他物资。
3.根据权利要求1所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：步骤S2中，溢油工作船用于从港口出发后在事故点周围建立基站，进行溢油拦阻、回收与处理，应急运输船舶往返于事故点与应急储备库，承担溢油应急物资的输送。
4.根据权利要求1所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：步骤S3中，GNOME仿真软件的仿真依照的运动模型主要有拉格朗日法和欧拉法两种。
5.根据权利要求1所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：步骤S4中，物资需求点位置是经GNOME软件仿真后确定的，其空间位置不再发生变化。
6.根据权利要求1所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：步骤S5中，对于三角模糊数的比较时，通过该模糊数的整体期望值对其进行去模糊化处理，在A＝(a,b,c)的基础上，模糊数的整体期望值为
Figure RE-FDA0002803878410000021
7.根据权利要求1所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：步骤S6中，理论模型的模型架设条件为：已知各应急储备库物资储量和物资需求点各物资需求区间，且总储量大于总需求量；已知各应急储备库与物资需求点之间距离。
8.根据权利要求7所述的一种海上船舶溢油事故多物资应急调度方法，其特征在于：各运输工具均满载某单一货物正常运行，不考虑物资的混合装载，物资流为单向流，考虑到装卸时间差别不大，因此在模型中不做考虑，只求解最短运输时间。
CN202011207130.4A 2020-11-03 2020-11-03 一种海上船舶溢油事故多物资应急调度方法 Pending CN112308430A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011207130.4A CN112308430A (zh) 2020-11-03 2020-11-03 一种海上船舶溢油事故多物资应急调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011207130.4A CN112308430A (zh) 2020-11-03 2020-11-03 一种海上船舶溢油事故多物资应急调度方法

Publications (1)

Publication Number Publication Date
CN112308430A true CN112308430A (zh) 2021-02-02

Family

ID=74333903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011207130.4A Pending CN112308430A (zh) 2020-11-03 2020-11-03 一种海上船舶溢油事故多物资应急调度方法

Country Status (1)

Country Link
CN (1) CN112308430A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807686A (zh) * 2021-09-06 2021-12-17 武汉理工大学 一种多目标海上应急资源调配方法及装置
CN115796520A (zh) * 2022-11-29 2023-03-14 国网山东省电力公司应急管理中心 一种基于多源情景要素驱动的应急资源匹配分析方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110274495A1 (en) * 2010-05-06 2011-11-10 Harry Robert Estes Emergency disaster temporary rapid deployment oil spill reclamation pyramid or pyramid with chute and flotation collar
CN102592197A (zh) * 2011-12-30 2012-07-18 大连海事大学 一种基于船舶交通管理电子信息系统的溢油追踪系统
CN104376375A (zh) * 2014-11-13 2015-02-25 中国人民解放军海军工程大学 基于多目标模糊规划的海上船舶溢油事故应急资源调配方法
CN105354666A (zh) * 2015-10-26 2016-02-24 国家海洋局北海环境监测中心 一种海洋溢油应急响应决策生成方法
CN110059355A (zh) * 2019-03-18 2019-07-26 清华大学 基于浓度时间序列的泄漏源定位方法、装置和计算机设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110274495A1 (en) * 2010-05-06 2011-11-10 Harry Robert Estes Emergency disaster temporary rapid deployment oil spill reclamation pyramid or pyramid with chute and flotation collar
CN102592197A (zh) * 2011-12-30 2012-07-18 大连海事大学 一种基于船舶交通管理电子信息系统的溢油追踪系统
CN104376375A (zh) * 2014-11-13 2015-02-25 中国人民解放军海军工程大学 基于多目标模糊规划的海上船舶溢油事故应急资源调配方法
CN105354666A (zh) * 2015-10-26 2016-02-24 国家海洋局北海环境监测中心 一种海洋溢油应急响应决策生成方法
CN110059355A (zh) * 2019-03-18 2019-07-26 清华大学 基于浓度时间序列的泄漏源定位方法、装置和计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
海上溢油事故多物资应急调度问题研究: "汪强", 《中国优秀博硕士学位论文全文数据库(硕士)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807686A (zh) * 2021-09-06 2021-12-17 武汉理工大学 一种多目标海上应急资源调配方法及装置
CN115796520A (zh) * 2022-11-29 2023-03-14 国网山东省电力公司应急管理中心 一种基于多源情景要素驱动的应急资源匹配分析方法和装置
CN115796520B (zh) * 2022-11-29 2024-02-02 国网山东省电力公司应急管理中心 一种基于多源情景要素驱动的应急资源匹配分析方法和装置

Similar Documents

Publication Publication Date Title
Mentes et al. A FSA based fuzzy DEMATEL approach for risk assessment of cargo ships at coasts and open seas of Turkey
Gaspar et al. Handling complexity aspects in conceptual ship design
CN112308430A (zh) 一种海上船舶溢油事故多物资应急调度方法
Zhang et al. Dynamic optimization of emergency resource scheduling in a large-scale maritime oil spill accident
Zhang et al. Optimal scheduling of emergency resources for major maritime oil spills considering time-varying demand and transportation networks
Chu et al. An expert system using rough sets theory and self-organizing maps to design space exploration of complex products
Khandekar et al. Selection of material handling equipment using fuzzy axiomatic design principles
Wang et al. Study on route division for ship energy efficiency optimization based on big environment data
Freitag et al. Dynamics in Logistics
Zwaginga et al. Exploring market uncertainty in early ship design
CN112819671A (zh) 一种水上应急救援装备体系的构建方法
Lv et al. Dynamic berth allocation under uncertainties based on deep reinforcement learning towards resilient ports
Al Samrout et al. An improved genetic algorithm for the berth scheduling with ship-to-ship transshipment operations integrated model
Zhu et al. Maritime patrol tasks assignment optimization of multiple USVs under endurance constraint
Zhang et al. Emergency fleet scheduling for maritime oil spill accidents considering demand-site dynamic motion under uncertain demand
Wang et al. Storage strategy of outbound containers with uncertain weight by data-driven hybrid genetic simulated annealing algorithm
Kontzinos et al. STATE-OF-THE-ART ANALYSIS OF ARTIFICIAL INTELLIGENCE APPROACHES IN THE MARITIME INDUSTRY
Ran et al. Brief Review on Heterogeneous Vehicle Routing Problems
Zhou et al. A multi-agent genetic algorithm for multi-period emergency resource scheduling problems in uncertain traffic network
Kang et al. PICTURE-HESITANT FUZZY-BASED DUAL-NORMALIZED MULTIPLE AGGREGATIONS FOR MATERIAL SELECTION IN A LIFT-BASED CONVERTER
Pervushina et al. Development of Mathematical Models of Fuzzy Controllers Set by Genetic Algorithm to Stabilize Dynamic Object
Zhou et al. A tree search algorithm for uncertainty-considered consecutive discharging and loading operations between ship and offshore platform
Mazur et al. Management system for neutralizing the impact of risks on logistics processes during their dynamic changes
Shin et al. [ICACE2022] Prediction of container vessel waiting time in Busan port using LSTM neural network
Guan et al. Ship Structural Members Design and Optimization Based on Knowledge-Based Engineering

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210202