[发明专利]一种基于数据挖掘的船舶碰撞风险评估方法及系统

权利要求书

1.一种基于数据挖掘的船舶碰撞风险评估方法，其特征在于，包括以下步骤：

根据船舶碰撞历史数据，计算历史碰撞概率，其中，所述船舶碰撞历史数据包括事故致因因素、船舶属性、船舶流量、碰撞次数、历史受伤人数和历史死亡人数以及历史财产损失的一种或多种的组合；所述事故致因因素包括人为因素、船舶和设备因素、环境因素和管理因素的一种或多种的组合；所述船舶属性包括船舶吨位、使用时间、配员数、行驶速度、船舶类型、船舶尺寸、碰撞夹角和碰撞位置的一种或多种的组合；

根据所述船舶碰撞历史数据和历史碰撞概率，根据累积式自回归移动平均模型，预测每一事故致因因素的发生次数；

对船舶碰撞历史数据中的事故致因因素进行主成分分析，并优先提取贡献度大的主成分；

根据主成分分析的结果对事故致因因素进行降维计算，并将降维计算的结果作为第一神经网络的输入，输出碰撞概率的预测值；

对船舶属性进行等级划分，采用事故序列的方法寻找频繁项集，通过决策树分析，寻找置信度高的事故序列，对频繁发生且置信度高的事故序列的所有情况进行排列组合；

将船舶属性作为第二神经网络模型的输入层，将决策树分析得到的排列组合后的事故序列输入到所述第二神经网络模型，计算得到对应的碰撞后果；

根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险；

所述碰撞后果包括受伤人数、死亡人数和财产损失；

根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险之前，还包括：

对所述碰撞后果进行标准化和归一化处理，用于消除量级和量纲的影响；

通过专家系统和模糊层次分析方法，确定碰撞后果中受伤人数、死亡人数和财产损失的权重；

根据处理后的碰撞后果，以及受伤人数、死亡人数和财产损失的权重，计算得到新的碰撞后果；

根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险，包括：

将碰撞概率的预测值和所述新的碰撞后果进行乘积运算，得到所述船舶碰撞风险；

通过专家系统和模糊层次分析法，确定碰撞后果中受伤人数、死亡人数和财产损失的权重，包括：

采用专家系统确定受伤人数、死亡人数和财产损失的相对重要度，分别对其进行模糊化，得到专家打分矩阵；

对专家打分矩阵求平均值，得到模糊因素判断矩阵；

使用Buckley方法计算模糊权重矩阵；

去模糊化得到受伤人数、死亡人数和财产损失的权重。

2.根据权利要求1所述的基于数据挖掘的船舶碰撞风险评估方法，其特征在于，所述对船舶碰撞历史数据中的事故致因因素进行主成分分析，并优先提取贡献率大的主成分，包括：

对船舶碰撞历史数据中的所有事故致因因素采用主成分分析方法进行简化降维；

提取贡献率大于或等于贡献率阈值的主成分，其中，所述贡献率阈值的取值介于75％至85％之间。

3.根据权利要求1所述的基于数据挖掘的船舶碰撞风险评估方法，其特征在于，根据主成分分析的结果对预测的事故致因因素进行降维计算，并将降维计算的结果作为第一神经网络的输入，得到碰撞概率的预测值，包括：

第一神经网络模型结构包括输入层、隐藏层和输出层；

将提取出的主成分作为第一神经网络输入层的参数，将碰撞概率作为输出层的参数，根据主成分分析的结果，对预测的事故致因因素采用主成分分析法进行降维计算，将计算得到的主成分作为第一神经网络的输入，根据输入输出模型、作用函数模型、误差计算模型和自学习模型，计算得到碰撞概率的预测值。

4.根据权利要求1所述的基于数据挖掘的船舶碰撞风险评估方法，其特征在于，对所述碰撞后果进行无量纲化，包括：

根据特别重大事故受伤人数下限、特别重大事故死亡人数下限和经济损失下限，分别对受伤人数、死亡人数和财产损失进行标准化和归一化处理，消除量级和量纲的影响。

5.一种基于数据挖掘的船舶碰撞风险评估系统，其特征在于，包括：

统计模块，用于根据碰撞历史数据，计算历史碰撞概率，其中，所述船舶碰撞历史数据包括事故致因因素、船舶属性、船舶流量、碰撞次数、历史受伤人数、历史死亡人数以及历史财产损失的一种或多种的组合；所述事故致因因素包括人为因素、船舶和设备因素、环境因素和管理因素的一种或多种的组合；所述船舶属性包括船舶吨位、使用时间、配员数、行驶速度、船舶类型、船舶尺寸、碰撞夹角和碰撞位置的一种或多种的组合；

预测模块，用于根据所述船舶碰撞历史数据和历史碰撞概率，根据累积式自回归移动平均模型，预测每一事故致因因素的发生次数；

主成分分析模块，用于对船舶碰撞历史数据中的事故致因因素进行主成分分析，并优先提取贡献度大的主成分；

概率计算模块，用于根据主成分分析的结果对事故致因因素进行降维计算，并将降维计算的结果作为第一神经网络的输入，得到碰撞概率的预测值；

组合模块，用于对船舶属性进行等级划分，采用事故序列的方法寻找频繁项集，通过决策树分析，寻找置信度高的事故序列，对频繁发生且置信度高的事故序列的所有情况进行排列组合；

后果计算模块，用于将船舶属性作为第二神经网络模型的输入层，将决策树分析得到的排列组合后的事故序列输入到所述第二神经网络模型，计算得到对应的碰撞后果；

风险评估模块，用于根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险；

所述碰撞后果包括受伤人数、死亡人数和财产损失；

根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险之前，还包括：

对所述碰撞后果进行标准化和归一化处理，用于消除量级和量纲的影响；

通过专家系统和模糊层次分析方法，确定碰撞后果中受伤人数、死亡人数和财产损失的权重；

根据处理后的碰撞后果，以及受伤人数、死亡人数和财产损失的权重，计算得到新的碰撞后果；

根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险，包括：

将碰撞概率的预测值和所述新的碰撞后果进行乘积运算，得到所述船舶碰撞风险；

通过专家系统和模糊层次分析法，确定碰撞后果中受伤人数、死亡人数和财产损失的权重，包括：

采用专家系统确定受伤人数、死亡人数和财产损失的相对重要度，分别对其进行模糊化，得到专家打分矩阵；

对专家打分矩阵求平均值，得到模糊因素判断矩阵；

使用Buckley方法计算模糊权重矩阵；

去模糊化得到受伤人数、死亡人数和财产损失的权重。