【技術實現步驟摘要】
本申請涉及船舶風險分析，尤其涉及數據驅動下的海纜防護船舶錨損風險評估方法。
技術介紹
1、隨著海底電纜（簡稱“海纜”）在全球通信網絡和能源傳輸中扮演著愈加關鍵的角色，海纜的保護需求日益增長。海纜廣泛用于洲際通信、電力輸送等領域，一旦損壞，將對通信系統、電力供應乃至國家安全造成嚴重影響。特別是隨著海上活動的增多，船舶拋錨、拖錨等錨損行為對海纜構成了顯著威脅。在海纜保護工作中，海纜防護船舶通常承擔著監測、預防和修復海纜的任務。現階段相關技術中，存在海纜防護船舶的錨損風險評估準確性低，導致海纜防護船舶的錨損風險預警及時性差的技術問題。
技術實現思路
1、本申請通過提供數據驅動下的海纜防護船舶錨損風險評估方法，解決了現有技術中海纜防護船舶的錨損風險評估準確性低，導致海纜防護船舶的錨損風險預警及時性差的技術問題。達到了通過對海纜防護船舶進行當前錨損風險評估、錨損風險趨勢預測的綜合分析，提高海纜防護船舶的錨損風險評估準確性，提升海纜防護船舶的錨損風險預警及時性，有效保障海纜防護船舶的作業安全的技術效果。
2、本申請提供數據驅動下的海纜防護船舶錨損風險評估方法，該方法包括：根據船舶監測模塊對目標船舶進行實時監測，獲得船舶監測數據和船舶環境數據；基于錨損影響評價約束，根據所述船舶環境數據和所述船舶監測數據，對所述目標船舶進行錨損風險因素識別，獲得錨損風險因素識別結果；基于錨損風險評估學習通道，搭建錨損風險評估模塊，結合所述錨損風險因素識別結果對所述目標船舶進行當前錨損風險評估，獲得第一
3、可選地，基于錨損影響評價約束，根據所述船舶環境數據和所述船舶監測數據，對所述目標船舶進行錨損風險因素識別，獲得錨損風險因素識別結果，包括：根據所述船舶環境數據和所述船舶監測數據進行數據清洗，獲得船舶監測結果；基于所述船舶監測結果進行錨損影響評價，建立第一錨損影響評價分布；判斷所述第一錨損影響評價分布是否滿足所述錨損影響評價約束，生成第二錨損影響評價分布；基于所述第二錨損影響評價分布對所述船舶監測結果進行錨損風險因素提取，生成所述錨損風險因素識別結果。
4、可選地，基于錨損風險評估學習通道，搭建錨損風險評估模塊，結合所述錨損風險因素識別結果對所述目標船舶進行當前錨損風險評估，獲得第一錨損風險系數，包括：所述錨損風險評估學習通道包括a個錨損風險評估學習模型，其中，a為大于1的正整數；基于所述a個錨損風險評估學習模型進行深度學習，建立所述錨損風險評估模塊，其中，所述錨損風險評估模塊包括錨損風險概率評估單元和錨損風險影響評估單元；將所述錨損風險因素識別結果輸入所述錨損風險評估模塊，獲得錨損風險概率評估系數和錨損風險影響評估系數；基于錨損風險預定權重條件對所述錨損風險概率評估系數和所述錨損風險影響評估系數進行加權計算，生成所述第一錨損風險系數。
5、可選地，基于所述a個錨損風險評估學習模型進行深度學習，建立所述錨損風險評估模塊，包括：加載錨損風險因素識別樣本集、錨損風險概率樣本集和錨損風險影響樣本集；基于所述錨損風險因素識別樣本集和所述錨損風險概率樣本集對所述a個錨損風險評估學習模型進行集成融合學習，生成所述錨損風險概率評估單元；基于所述錨損風險因素識別樣本集和所述錨損風險影響樣本集對所述a個錨損風險評估學習模型進行集成融合學習，生成所述錨損風險影響評估單元；將所述錨損風險概率評估單元和所述錨損風險影響評估單元封裝為所述錨損風險評估模塊。
6、可選地，基于所述錨損風險因素識別樣本集和所述錨損風險概率樣本集對所述a個錨損風險評估學習模型進行集成融合學習，生成所述錨損風險概率評估單元，包括：根據所述錨損風險因素識別樣本集和所述錨損風險概率樣本集對所述a個錨損風險評估學習模型進行監督訓練，生成a個錨損風險概率評估器；以所述a個錨損風險概率評估器的輸出數據集為輸入信息，以所述錨損風險概率樣本集為輸出信息，訓練錨損風險概率評估融合器；將所述a個錨損風險概率評估器作為并行獨立節點合并，生成錨損風險概率評估處理層；將所述錨損風險概率評估處理層與所述錨損風險概率評估融合器的輸入層合并，生成所述錨損風險概率評估單元。
7、可選地，激活錨損風險因素趨勢預測模型和預定未來窗口，結合所述錨損風險因素識別結果對所述目標船舶進行錨損風險趨勢預測，獲得第二錨損風險系數，包括：基于所述錨損風險因素趨勢預測模型和所述預定未來窗口對所述錨損風險因素識別結果進行趨勢預測，獲得錨損風險因素預測結果；基于所述錨損風險因素預測結果進行錨損風險概率預測，獲得預測錨損風險概率系數；基于所述錨損風險因素預測結果進行錨損風險影響預測，獲得預測錨損風險影響系數；基于錨損風險預定權重條件對所述預測錨損風險概率系數和所述預測錨損風險影響系數進行加權計算，生成所述第二錨損風險系數。
8、可選地，基于所述錨損風險因素趨勢預測模型和所述預定未來窗口對所述錨損風險因素識別結果進行趨勢預測，獲得錨損風險因素預測結果，包括：基于所述預定未來窗口，調取所述目標船舶的預定航行方案；基于所述預定未來窗口，根據所述船舶環境數據和所述預定航行方案對所述目標船舶進行環境預測，獲得預測船舶環境；基于lstm網絡，搭建所述錨損風險因素趨勢預測模型；基于所述錨損風險因素識別結果、所述預測船舶環境和所述預定航行方案，根據所述錨損風險因素趨勢預測模型，輸出所述錨損風險因素預測結果。
9、可選地，所述錨損風險檢測函數為：
10、ary=raw?ara+rbw?arb；
11、其中，ary表征錨損風險檢測系數，raw表征第一錨損風險預定權重，ara表征第一錨損風險系數，rbw表征第二錨損風險預定權重，arb表征第二錨損風險系數。
12、本申請提出了數據驅動下的海纜防護船舶錨損風險評估方法。通過船舶監測模塊對目標船舶進行實時監測，獲得船舶監測數據和船舶環境數據，并結合錨損影響評價約束對目標船舶進行錨損風險因素識別，獲得錨損風險因素識別結果。通過錨損風險評估學習通道、錨損風險預定權重條件和錨損風險因素識別結果對目標船舶進行當前錨損風險評估，獲得第一錨損風險系數。根據預定未來窗口和錨損風險因素識別結果對目標船舶進行錨損風險趨勢預測，獲得第二錨損風險系數。將第一錨損風險系數和第二錨損風險系數輸入錨損風險檢測函數，獲得錨損風險檢測系數。如果錨損風險檢測系數大于或等于錨損風險檢測閾值，激活船舶錨損預警裝置，根據船舶錨損預警裝置對目標船舶進行錨損風險預警。解決了現有技術中海纜防護船舶的錨損風險評估準確性低，導致海纜本文檔來自技高網...
【技術保護點】
1.數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，所述方法包括：
2.如權利要求1所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于錨損影響評價約束，根據所述船舶環境數據和所述船舶監測數據，對所述目標船舶進行錨損風險因素識別，獲得錨損風險因素識別結果，包括：
3.如權利要求1所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于錨損風險評估學習通道，搭建錨損風險評估模塊，結合所述錨損風險因素識別結果對所述目標船舶進行當前錨損風險評估，獲得第一錨損風險系數，包括：
4.如權利要求3所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于所述A個錨損風險評估學習模型進行深度學習，建立所述錨損風險評估模塊，包括：
5.如權利要求4所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于所述錨損風險因素識別樣本集和所述錨損風險概率樣本集對所述A個錨損風險評估學習模型進行集成融合學習，生成所述錨損風險概率評估單元，包括：
6.如權利要求1所述的數據驅動下的海纜防護船舶錨損風險評估方法
7.如權利要求6所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于所述錨損風險因素趨勢預測模型和所述預定未來窗口對所述錨損風險因素識別結果進行趨勢預測，獲得錨損風險因素預測結果，包括：
8.如權利要求1所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，所述錨損風險檢測函數為：
...【技術特征摘要】
1.數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，所述方法包括：
2.如權利要求1所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于錨損影響評價約束，根據所述船舶環境數據和所述船舶監測數據，對所述目標船舶進行錨損風險因素識別，獲得錨損風險因素識別結果，包括：
3.如權利要求1所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于錨損風險評估學習通道，搭建錨損風險評估模塊，結合所述錨損風險因素識別結果對所述目標船舶進行當前錨損風險評估，獲得第一錨損風險系數，包括：
4.如權利要求3所述的數據驅動下的海纜防護船舶錨損風險評估方法，其特征在于，基于所述a個錨損風險評估學習模型進行深度學習，建立所述錨損風險評估模塊，包括：
5.如權利要求4所述的數據驅動下...
【專利技術屬性】
技術研發人員：張霞，俞恩科，史令彬，韋立富，韓磊，王嘉瑋，張展耀，沈清野，
申請(專利權)人：國網浙江省電力有限公司舟山供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。