التنبؤ بالمواجهات البحرية المحفوفة بالمخاطر في الممرات المائية الضيقة والمزدحمة من خلال التعلم الآلي القائم على المجموعات والتعلم العميق المتسلسل
| العنوان | التنبؤ بالمواجهات البحرية المحفوفة بالمخاطر في الممرات المائية الضيقة والمزدحمة من خلال التعلم الآلي القائم على المجموعات والتعلم العميق المتسلسل |
|---|---|
| المؤلف | عروج، محمد فرقان |
| تاريخ النشر: | 2024-08-30T14:56:48Z |
| الموضوع | الشحن، معالجة البيانات، الابتكارات التكنولوجية، الملاحة، التعلم الآلي، التعلم العميق (التعلم الآلي)، الهندسة المدنية |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | 00983221-59f7-46f8-b050-90c754d87d1e |
| موقع المكتبة | قسم الهندسة المدنية |
| التاريخ | 2024-08-30T14:56:48Z |
| نص عينة | توفر هذه الأطروحة إطارًا للتعلم الآلي للتنبؤ بالمواجهات الخطرة بين السفن قبل أن تنشئ السفن اتصالًا بصريًا في الممرات المائية الضيقة والمزدحمة. هناك ثلاثة أجزاء في هذه الأطروحة. الأول هو التجميع لاستكشاف اللقاءات، والثاني هو تطبيق التعلم الآلي المجمع للتنبؤ بالمواجهات المحفوفة بالمخاطر دون مسافة كعامل قرار، والثالث هو التنبؤ المتسلسل القائم على التعلم العميق للمواجهات المحفوفة بالمخاطر. يعتبر مضيق إسطنبول (SOI) بمثابة دراسة حالة. يتم إنشاء قاعدة بيانات التفاعل بين السفن والسفن باستخدام رسائل نظام التعريف التلقائي التاريخية (AIS). يتم تحليل التفاعلات من خلال التجميع لاستكشاف المواجهات المحفوفة بالمخاطر باستخدام درجة انتهاك مجال السفينة. تؤكد النتائج أن طول السفينة وسرعتها يمكن أن تكون بمثابة مؤشرات موثوقة لفهم أنماط المواجهات المحفوفة بالمخاطر. تشير النتائج إلى أن انتهاك مجال السفينة موجود ضمن منطقة رمادية دقيقة، مما يتطلب دراسة حذرة بدلاً من التصنيف الصارم. على هذا الأساس، تم تطوير إطار التعلم الآلي القائم على المجموعات للتنبؤ باللقاءات القريبة والتغلب على عدم التوازن الطبقي. يتنبأ النموذج بنجاح بكل 4 من أصل 5 مواجهات محفوفة بالمخاطر دون معرفة المسافة بين سفينتين. لإثبات إمكانية تطبيق التنبؤ بالمواجهات المحفوفة بالمخاطر في الوقت الحقيقي، تم تقديم إطار عملي للتنبؤ المتسلسل كخطوة أخيرة. تُستخدم شبكات الذاكرة طويلة المدى (LSTM) للتنبؤ بالمواجهات الخطرة بناءً على بيانات التنقل التسلسلية. تقدم المنهجية نموذج لقاء محسّنًا لتحديد التفاعلات من سفينة إلى سفينة وتصنيفها على أنها لقاءات محفوفة بالمخاطر أو منطقة رمادية أو غير محفوفة بالمخاطر بناءً على انتهاكات مجال السفينة. يمكن دمج النهج المطور في الممرات المائية الضيقة والمزدحمة كأداة لدعم القرار لتحسين السلامة البحرية، ويمكن أن يكون دليلاً للسفن المستقلة للملاحة الآمنة. com.sunmaktadır. لكن هذا ليس كل شيء. ILk bölüm, karşılaşmaların detailı keşfi için kümelemedir; ikinci bölüm, mesafe faktörünü kullanmaksızın Riskli karşılaşmaları tahmin etmek için yapay öğrenme uygulamasıdır; üçüncü bölüm is Riskli karşılaşmaların ardışık derin öğrenmeye dayalı tahminidir. اسطنبول بوغازي (IB) هي مدينة سياحية رائعة. Gemi karşılaşma veritabanı، geçmiş otomatik tanımlama Sistemi (AIS) mesajları kullanılarak oluşturulmuştur. Karşılaşmalar, Gemi alan ihlali miktarını kullanarak Riskli karşılaşmaları keşfetmek için kümeleme yoluyla analiz edilmiştir. Bulgular, Gemi uzunluğu ve Gemi hızının Riskli karşılaşmaları anlamak için güvenilir göstergeler olarak kullanılabileceğini doğrulamaktadır. يبدو أن العديد من الأشخاص قد عانوا من زيادة كبيرة في التصنيف، مما أدى إلى تصنيفهم بشكل أفضل. Bu temelde, kümeleme tabanlı bir yapay şeması şeması geliştirilerek yakın karşılaşmaları tahmin etmek ve sınıf dengesizliğini asmak için kullanılmıştır. عارضة الأزياء، iki Gemi arasındaki mesafeyi bilmeden Riskli karşılaşmaların 5'te 4'ünü başarıyla tahmin etmektedir. المخاطرة بخطر الإدمان على المخدرات هي في الواقع خطرة على الصحة. Uzun Kısa Dönemli Hafıza (LSTM) ağları، ardışık navigasyon verilerine dayanarak Riskli karşılaşmaları tahmin etmek için kullanılmaktadır. Yöntem, karşılaşmaları Riskli, gri bölge veya riskli olmayan karşılaşmalar olarak sınıflandırır. من المؤكد أن هذه الأشياء ستجعلك تشعر بالرضا عن نفسك وتجعلك تشعر بالرضا تجاه كل ما تحتاجه وتستمتع به. |
