[發明專利]船舶數據敏感性分析的新型算法

在審

• 申請號: 201810794844.6
• 申請日: 2018-07-19
• 公開（公告）號: CN109117868A
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 趙萌;陳勝勇;王春林;程徐
• 申請（專利權）人: 天津理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 董一寧

一種船舶數據敏感性分析的新型算法，包括的步驟是：①對收集到的原始傳感器數據進行數據預處理；②把預處理后的數據分為訓練樣本和測試樣本，用SVM進行訓練得到一個最優的船舶運動模型；③使用基于累積分布函數的敏感性分析方法PAWN，利用訓練好的模型進行船舶的敏感器數據分析，得到每一個輸入參數對船舶運動產生影響的比例，即敏感性指數；④通過可視化將結果形象地顯示出來。利用該算法找出對船舶運動產生較大影響的輸入參數，為以后控制和預測船舶運動提供很好的參照標準。

技術領域

本發明屬于一種對于數據的算法，特別涉及一種船舶數據敏感性分析的新型算法。

背景技術

隨著海上作業的增多，船舶操作性的可靠和安全變得日益重要，也引起了海洋領域的極大關切。由于船舶在海上受到各種各樣的因素影響，比如人為因素，以及海風，海浪等外部干擾，所以為了確保船舶安全，會在船體上安裝各種各樣的傳感器，比如雷達，激光和GPS/INS。這些傳感器通過長時間的收集數據，形成了非常龐大的大數據(Big Data)，這些數據具有高維，非線性以及夾雜著噪聲等特征，因此很有必要進行船舶數據進行敏感性分析，篩選出那些對船舶運動產生較大影響的參數，這樣有利于控制和預測船舶運動。

但是基于方差的敏感性分析方法不適用輸出分布為高偏度，多峰的情況，而基于密度的敏感性分析方法就是條件密度函數估計成本太大。

發明內容

本發明的目的就是提供一種船舶數據敏感性分析的新型算法，利用該算法找出對船舶運動產生較大影響的輸入參數，為以后控制和預測船舶運動提供很好的參照標準。

為了實現上述目的，本發明的方案是：一種船舶數據敏感性分析的新型算法，其特征在于：包括的步驟是：①對收集到的原始傳感器數據進行數據預處理；②把預處理后的數據分為訓練樣本和測試樣本，用SVM進行訓練得到一個最優的船舶運動模型；③使用基于累積分布函數的敏感性分析方法PAWN，利用訓練好的模型進行船舶的敏感器數據分析，得到每一個輸入參數對船舶運動產生影響的比例，即敏感性指數；④通過可視化將結果形象地顯示出來。

所述步驟①對收集到的原始傳感器數據進行預處理，包括數據清洗和歸一化：

①數據清洗Data Cleaning：利用層次聚類算法來刪除離群點(噪聲)，若某一個對象到它最鄰近簇的距離大于平均度量距離，那么該對象就為離群點，應該刪除；

②數據歸一化Normalization：對于m個樣本X_i∈Rⁿ利用公式

將所有數據歸一到[0，1]之間。

所述步驟②將預處理后的數據劃分為80％訓練樣本和20％測試樣本，然后使用SVM進行訓練，找到一個最優的船舶運動模型。

所述步驟③使用基于累積分布函數的敏感性分析方法PAWN，利用訓練好的模型進行船舶的敏感器數據分析的步驟是：

①通過用Kolmogorov-Smimov計算檢驗函數Ishigami函數：其中a＝0.7，b＝0.1來得到最好的采樣量；利用All-At-One-Time(AAT)在[0，1]內按照均勻分布進行采樣，得到無條件樣本，然后再固定好一個參數進行AAT采樣就可以得到一個條件樣本，把這個參數固定在[0，1]內十個不同的值，這樣就可以得到十個條件樣本；

②利用SVM進行訓練得到一個最優的船舶運動模型進行模型評估，得到無條件輸出樣本和十個條件輸出樣本；

③找出這十一條分布函數的最大值和最小值，然后將所有的分布函數在這區間內按照10000份進行分割，然后就可以得到這十一個分布函數的經驗累積分布函數圖；

④利用Kolmogorov-Smimov統計公式：