原文传递
基于直觉模糊语言集的船舶风险评级研究
| 论文题名： | 基于直觉模糊语言集的船舶风险评级研究 |
| 关键词： | 船舶风险评级;直觉模糊语言集;船舶管理;K均值聚类 |
| 摘要： | 船舶的安全是保障航运业发展的基础，船舶的风险级别可以反映出船舶的安全水平。根据不同风险级别的船舶特点，船舶所在船公司和船舶的监管机构可对船舶采取相应的管理措施让船舶达到可接受的风险范围内，从而能够有效地保证船舶的安全。因此，研究船舶的风险评级对提升船舶的安全水平有着积极的意义，并且对于保障航运业的发展有很大的助益作用。 首先，本文明确了所使用的船舶风险评级方法并建立了船舶风险评级指标体系。在归纳船舶风险评级的相关概念后，本文对国内外一些组织和机构所使用的船舶风险评级方法进行了研究，总结并对比了现有船舶风险评级方法的特点。为了解决在船舶风险评级过程中存在不确定性和模糊性信息的问题，本文通过将直觉模糊语言集和聚类算法相结合对船舶进行风险评级，拓展了船舶风险评级方法的多样性并在实际应用中能够达到较好的使用效果。在结合了专家意见和具有代表性的组织和机构使用的船舶风险评级指标后，本文从船舶的自身情况、船舶所在船公司的表现情况和船舶的PSC检查情况三个方面选择了船舶风险评级指标，包括船旗国、船龄、船舶吨位、船公司的管理能力和PSC检查缺陷数，建立了本文的船舶风险评级指标体系。 其次，为对船舶的管理风险进行评级，本文应用直觉模糊语言集对船舶所在船公司的管理能力进行了量化和排序，实现了对船舶管理风险的评级。根据船舶管理风险评级的影响因素和专家评价信息，本文建立了基于直觉模糊语言集的船舶管理风险评级模型。直觉模糊语言集的引入可以很好地处理在研究船舶管理风险过程中数据信息存在的不确定性，能够将定性数据和定量数据结合在一起进行处理分析，进而达到了对船舶的管理风险进行评级的效果。 最后，为对船舶的整体风险进行评级，本文在聚类分析方法中选择了经典的K均值聚类算法，将K均值聚类算法应用于对船舶综合情况的风险评级，把船舶划分为较低风险、低风险、中风险和高风险4类风险级别，实现了对船舶进行快速且科学的风险评级。此外，本文将所使用的船舶风险评级方法和结果与东京备忘录进行对比，验证了方法的科学性和可用性。根据得到的船舶风险评级结果，本文对不同风险级别的船舶提出了相应的建议。船舶所在的船公司和船舶的主管机关可以得到参考，且能够更好地对船舶进行监管从而降低船舶的风险级别，使得船舶可以具备更高的安全水平。 |
| 作者： | 周垣孜 |
| 专业： | 交通运输工程 |
| 导师： | 鲍君忠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
