[发明专利]通航风险预测方法、装置和存储介质

权利要求书

1.一种通航风险预测方法，其特征在于，包括以下步骤：

获取船舶航行期间的多源数据，并构建多个时序数据集；

根据若干种船舶通航状态划分多个所述时序数据集；

构建并初始化高斯混合模型，其中，所述高斯混合模型包括与船舶通航状态数量对应的高斯子模型；

将划分后的所述时序数据集输入所述高斯混合模型并采用最大期望值算法展开训练，获得表征每种所述船舶通航状态特征分布的混合模型参数，其中，混合模型参数包括多组高斯子模型参数；

根据所述混合模型参数建立每一种所述船舶通航状态隐马尔科夫模型，其中隐马尔科夫模型表示为：

H＝{A,π,c_iq,μ_iq,∑iq}；

其中，H表示隐马尔科夫模型；A表示状态转移概率矩阵，c_iq表示当状态为s_i第q个混合函数的混合权重，μ_iq表示混合函数的均值矩阵，∑iq表示混合函数的协方差矩阵，π表示初始状态概率向量；

采用每一种所述船舶通航状态的时序数据集通过鲍姆-韦尔奇算法计算每种隐马尔科夫模型的参数，得到每种船舶通航状态的隐马尔科夫模型；

采用维特比算法在构建好的每种隐马尔科夫模型的基础上对实时采集的多源数据进行状态解码，预测每种船舶通航状态下一时刻的通航风险概率；

采用变权评估方法对通航状态的多源数据中的各项指标参量的预测误差进行加权分析，确定通航状态的风险指数，其中，风险指数的计算公式如下：

其中，R(t)为对应通航状态在t时刻的风险指数，ω_i(t)为第i个指标参量在t时刻的权重，n为指标参量的数量，r_i(t)为第i个指标参量在一个时间维度内的误差均值。

2.根据权利要求1所述的通航风险预测方法，其特征在于，所述多源数据包括船员状态指标、船舶位置、船舶航行速度、船舶航向角、驾驶台监测数据、货物监测数据以及航区通航环境数据。

3.根据权利要求1所述的通航风险预测方法，其特征在于，所述船舶通航状态的种类包括：碰撞状态、搁浅状态、触礁状态、触碰状态、火灾状态、溢油状态以及正常航行状态。

4.根据权利要求1所述的通航风险预测方法，其特征在于，所述根据若干种船舶通航状态划分多个所述时序数据集中的时序划分原则为：按照固定时间间隔对所述时序数据集进行时空配准。

5.根据权利要求1所述的通航风险预测方法，其特征在于，训练每种隐马尔科夫模型包括以下步骤：

根据重估公式求得隐马尔科夫模型H的一组新参数得到一个新隐马尔科夫模型H’；

将新隐马尔科夫模型H’的参数作为隐马尔科夫模型H的参数重复所述根据重估公式求得隐马尔科夫模型H的一组新参数得到一个新隐马尔科夫模型H’；

当新隐马尔科夫模型H′产生观测序列的概率P(O∣H′)与隐马尔科夫模型H产生观测序列的概率P(O∣H)之差小于阈值则停止重复所述根据重估公式求得隐马尔科夫模型H的一组新参数得到一个新隐马尔科夫模型H’的步骤，所获得的新隐马尔科夫模型H′为最终训练完成的隐马尔科夫模型H。