船型方案论证与智能决策方法研究

《船型方案论证与智能决策方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学博士学位论文船型方案论证与智能决策方法研究姓名：桑松申请学位级别：博士专业：船舶与海洋结构物设计制造指导教师：林焰;纪卓尚20021201摘要船型方案论证是一个多准则、多目标的决策过程，过去主要靠设计者的经验来完成，船舶工程系统设计基本上还是一种经验设计，这使得最终的决策结果难免带有由于决策者的主观臆断性而可能造成的系统误差。随着现代科学技术的发展，基于人工智能的现代决策方法和理论得到了迅速的发展，并且已经应用于生产和社会活动中的各个方面。在船舶工程领域，采用系统科学的优化方法和智能决策理论等方面的研究已经陆续出现，并且取得了令人瞩目的研究成果。70年代决策支持系统概念的提出

2、将决策理论推向了一个新的发展高潮，已经成为用于管理的一种新型计算机信息系统并已发展成为系统工程、管理科学以及人工智能等领域十分活跃的研究课题，常用于解决半结构化和非结构化的复杂信息系统决策问题。90年代初出现的新型决策支持技术一一基于数据仓库的联机分析处理和数据挖掘技术又在原有决策支持理论基础之上增强了数据清理、抽取、转化和分析的功能，在处理海量数据信息时显示出独特的优点，同时也指明了决策支持理论和方法未来研究发展方向。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

3、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。本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一一径向基函数网络(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。在船型技术经济论证和船舶运输系统分析中，所面临的经常是一个由相互关联、相互制约的众多因素构成的复杂系统。传统的多准则决策方法

4、采用网格法，即先对船型做多方案技术、经济计算，然后通过综合技术经济分析，在多个船型方案中选出最佳方案。但是这种方法在对船型方案优劣评判时多是凭专家经验判断确定，这就必然影响决策的科学性与合理性。层次分析法(AHP)的应用改善了传统多准则决策方法存在的上述问题，充分发挥了决策者的主观能动性。但该方法在构建判断矩阵时，决策者有时难以辨别决策捅要变量之间的相对重要性程度，而且由于决策者知识结构之间的差异，可能会造成由于决策者的高度卷入而带来的系统误差。针对以上问题，本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

5、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，本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(GBll697—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

6、采用GBll697—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。本论文在GBll697—89基础上，研究了两种特殊船型一一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。近年来，随着人工智能技术的发展，与智能技术有关的决策思想被应用到工程实际中的各个领域，智能技术得到了突飞猛进的发展

7、。本论文提出一套用于船舶初步设计的智能决策支持系统理论框架体系模型(IDSS—SPD)。辅助船舶设计者进行科学决策，同时引入数据仓库、联机分析处理和数据挖掘等先进智能决策技术，辅助设计者在获取船型数据信息量有限情况下进行科学决策。关键词：船舶，船型论证，技术经济指标，多元回归分析，多准则，熵，滚装船，车道，决策支持系统／船舶与海洋工程，RBF神经网络，层次分析法，人工智能，数据仓库，联机分析处理，数据挖掘IIAbstract．The