摘要: |
船型主尺度要素的建立,以前主要采用的是基于数理统计理论的回归分析方法,如多元回归分析方法和逐步回归分析方法等,它是建立在大量现有实船数据的基础之上,对船型主尺度要素、空船重量、舱容、稳性和造价等要素进行统计回归.近些年来,随着神经网络计算和人工智能技术的出现,采用BP神经元网络进行数据预测和仿真等方面研究逐渐增多并逐步应用于各个工程领域,取得了一定的科研成果.但BP网络在用于函数逼近时,权值的调节采用的是负梯度下降法,这种调节方法有它的局限性,如收敛速度慢和容易陷入局部极小等缺点.该论文采用在逼近能力、分类能力和学习速度等方面均优于BP网络的另一种网络模型——径向基函数网络(RBF)进行船型主尺度要素数学建模预测并进行了敏感性分析.该论文采用改进的层次分析法,将复杂的问题层次化,在每一层次通过两两比较设计判断矩阵,并对判断矩阵进行简化,提高决策者对各目标差异的辨别,从而提高目标权重判断的准确性;同时在多准则决策过程中,该论文给出一种新的决策方法,它是在对指标有偏好信息及客观熵信息输出权重基础上,以严格的最小二乘法为工具,建立确定指标权重的综合优化模型,并给出模型的精确解,从而为多指标决策问题寻求到一种行之有效的方法.随着国际船舶航运市场的发展,为了适应船舶装载货物多样化和工作环境恶劣多变的情况,各种特殊船型应运而生,针对特殊船型所做的船型方案决策和技术经济论证等方面工作也逐渐增多.传统的国标法(GB11697-89)只能对散货船、集装箱船、干货和杂货船、多用途船、油船和滚装船等普通船型进行方案评价,也不能用于海洋工程中浮式结构物的系统论证,故采用GB11697-89针对上述特殊船型进行船型方案论证和技术经济指标评价显然已不能满足实际工作需求和未来船型发展方向.该论文在GB11697-89基础上,研究了两种特殊船型——车辆滚装船和浮式生产储油卸油船(FPSO)的船型要素概况和结构功能特点,同时针对上述两种特殊船型的技术经济指标进行改进以及做相应技术经济论证.实践证明,改进后的指标评价体系不仅能反映船型本身的结构性能特征,而且对原有的国标法评价体系进行了改进和充实,为未来船型发展和技术经济论证开拓了一个新的研究思路. |