基于SVR的船舶航行安全评估模型

• 作者: 常婧 李梦蕊 柳晓鸣
• 来源期刊: 上海海事大学学报
• 关键词: 航行安全 安全评估 支持向量回归(SVR) 极限学习机(ELM)
• 年，卷（期）: 2020,（2）
• 页码范围: 21-26
• 页数: 6页
• 分类号: U676.1
• 语种: 中文
• DOI: 10.13340/j.jsmu.2020.02.005

摘要

为对船舶航行安全状况进行有效预测,利用支持向量回归(support vector regression,SVR)算法构建船舶航行安全评估模型.在分析影响船舶航行安全的因素的基础上,对船舶历史数据进行预处理后将其作为模型训练和测试的样本数据.实验结果表明:该模型评估准确度可达99.6％以上;在同一样本数据条件下,模型的评估准确度和稳定性均优于基于极限学习机(extreme learning machine,ELM)构建的模型.模型的评估结果为水上交通管理部门的监管提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳晓鸣	大连海事大学信息科学技术学院	40	320	8.0	17.0
2	常婧	大连海事大学信息科学技术学院	1	0	0.0	0.0
3	李梦蕊	大连海事大学信息科学技术学院	1	0	0.0	0.0