• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于支持向量機(jī)的碼頭節(jié)能減排預(yù)警

      2016-10-12 01:51:28,
      中國航海 2016年4期
      關(guān)鍵詞:超平面能效碼頭

      ,

      (交通運輸部水運科學(xué)研究院, 北京 100088)

      基于支持向量機(jī)的碼頭節(jié)能減排預(yù)警

      侯玨,李慶祥

      (交通運輸部水運科學(xué)研究院,北京100088)

      針對碼頭節(jié)能減排績效考核和精細(xì)化管理要求,提出碼頭節(jié)能減排指數(shù)的概念,通過預(yù)警機(jī)制使碼頭生產(chǎn)企業(yè)及時掌握節(jié)能減排情況,提前做好應(yīng)對準(zhǔn)備。以多分類支持向量機(jī)(M-SVM)建立碼頭節(jié)能減排指數(shù)預(yù)警模型,綜合考慮碼頭能耗和污染物排放情況,將專家經(jīng)驗融入到預(yù)警模型中,實現(xiàn)模型預(yù)警方法與專家經(jīng)驗的結(jié)合。對4個碼頭進(jìn)行實證分析及精確度驗證,結(jié)果表明建立的預(yù)警模型能有效進(jìn)行預(yù)警分類。

      水路運輸; 預(yù)警; 節(jié)能減排; 多分類支持向量機(jī); 綠色港口; 碼頭; 機(jī)器學(xué)習(xí)

      Abstract: To evaluate the state of terminals in energy saving and emission reduction, the terminal energy saving and emission reduction index and the pre-warning mechanism is introduced, which could help the enterprises to control the situation. A pre-warning model dealing with terminal energy consumption and pollutant emission is built based on specialist experience. Multi-class SVM is used to solve the model. A numerical case regarding 4 container intermodal transport terminals is taken to test the model. The test result proves that the model is effective and practical for terminals.

      Keywords: waterway transportation; pre-warning; energy saving and emission reduction; M-SVM; green port; terminal; machine learning

      水路運輸既是綜合交通運輸體系的重要組成部分,也是節(jié)能減排領(lǐng)域關(guān)注的重點之一。我國目前正全面推進(jìn)水路運輸業(yè)的節(jié)能減排工作,研究節(jié)能減排預(yù)警方法不僅是建立健全節(jié)能減排績效考核制度和能源管理制度的一個重要環(huán)節(jié),也是評價綠色港口建設(shè)成效的一項關(guān)鍵內(nèi)容,對提升水路運輸業(yè)的能源利用效益、降低污染物排放和建設(shè)綠色港口具有重要意義。隨著綠色港口建設(shè)不斷推進(jìn),碼頭生產(chǎn)企業(yè)逐步配備能耗統(tǒng)計和污染物監(jiān)測設(shè)備及分析系統(tǒng),為節(jié)能減排預(yù)警提供技術(shù)與數(shù)據(jù)支持。

      目前,相關(guān)學(xué)者[1-2]十分重視水路運輸預(yù)警和節(jié)能減排領(lǐng)域的研究:在水路運輸預(yù)警方面,主要針對危險貨物水路運輸預(yù)警管理、經(jīng)濟(jì)效益預(yù)警問題和溢油預(yù)警應(yīng)急等內(nèi)容進(jìn)行研究;在水路運輸節(jié)能減排方面,主要圍繞我國港口節(jié)能減排評價指標(biāo)體系建立、用能工藝優(yōu)化、裝卸設(shè)備節(jié)能減排技術(shù)升級改造、能源管理水平和能效管理制度提升等內(nèi)容開展研究。但是,目前還未涉及水路運輸節(jié)能減排預(yù)警方面的研究。

      對此,提出碼頭節(jié)能減排指數(shù)的概念和預(yù)警方法,基于多分類支持向量機(jī)(Multi-class Support Vector Machine, M-SVM)建立預(yù)警模型,引入專家經(jīng)驗對預(yù)警模型進(jìn)行分析[3-5],并基于實例對模型的精確性進(jìn)行驗證,為水路運輸業(yè)能耗及排放研究提供新的思路和可行的節(jié)能減排預(yù)警方法。

      1 碼頭節(jié)能減排指數(shù)

      提出碼頭節(jié)能減排指數(shù)IEE-Em的概念,評價碼頭生產(chǎn)企業(yè)的能效和污染物、CO2排放水平,包括碼頭生產(chǎn)能效指數(shù)IEE和碼頭生產(chǎn)排放強(qiáng)度指數(shù)IEm。

      1.1 碼頭生產(chǎn)能效指數(shù)

      碼頭生產(chǎn)能效指數(shù)IEE用來評價碼頭能源消耗水平,其值越小表明生產(chǎn)能效水平越高。

      (1)

      式(1)中:k為碼頭生產(chǎn)用能環(huán)節(jié)修正系數(shù);R為碼頭生產(chǎn)能耗強(qiáng)度,tce/萬TEU(萬t);R0為基準(zhǔn)碼頭生產(chǎn)能耗強(qiáng)度,tce/萬TEU(萬t),不同類型碼頭的取值見表1;fR為碼頭生產(chǎn)能效指數(shù)綜合修正系數(shù)。

      (2)

      式(2)中:fa為采暖能效指數(shù)修正系數(shù),取0.95~1.00;fb為水位落差能效指數(shù)修正系數(shù),取0.80~1.00;fc為作業(yè)貨種能效指數(shù)修正系數(shù),取1.00~1.05;fd為吞吐量能效指數(shù)修正系數(shù),取0.50~1.00;n為生產(chǎn)用能環(huán)節(jié)總數(shù),針對碼頭實際情況取1~8(岸邊裝卸、堆場作業(yè)、水平運輸、室外照明、建筑物、環(huán)保和給排水、機(jī)修及港作車輛);qi為第i個生產(chǎn)用能環(huán)節(jié)能源消耗量占碼頭生產(chǎn)用能環(huán)節(jié)能源消耗總量的比例,%;fi為第i個生產(chǎn)用能環(huán)節(jié)能效指數(shù)修正系數(shù),取0.50~1.00。

      1.2 碼頭生產(chǎn)排放強(qiáng)度指數(shù)

      碼頭生產(chǎn)排放強(qiáng)度指數(shù)IEm用來評價碼頭溫室氣體和污染物排放強(qiáng)度水平,其值越小表明碼頭CO2和污染物排放越低。

      (3)

      式(3)中:k和fR與式(1)及式(2)一致;Pi為碼頭生產(chǎn)排放強(qiáng)度,包括CO2和污染物(COD,SO2)排放強(qiáng)度;P0i為《綠色港口等級評價標(biāo)準(zhǔn)》中CO2,COD和SO2排放強(qiáng)度標(biāo)準(zhǔn)最優(yōu)值。

      2 碼頭節(jié)能減排指數(shù)預(yù)警模型

      2.1 預(yù)警意義

      綠色港口建設(shè)企業(yè)已將節(jié)能減排目標(biāo)納入到其全年考核中,該措施對保證按期完成綠色港口建設(shè)和綠色發(fā)展具有重要意義,但存在以下問題:

      1) 有時為完成考核任務(wù),碼頭生產(chǎn)企業(yè)不得不在年底前調(diào)整生產(chǎn)模式以減少能源消耗及污染物、CO2排放量,這會對碼頭乃至整個港口的正常生產(chǎn)造成不利影響;

      2) 考核工作一般半年或一年進(jìn)行一次,缺乏以月度為周期的較為精確的評價,不利于節(jié)能減排工作的精細(xì)化管理。

      因此,對碼頭節(jié)能減排預(yù)警問題進(jìn)行研究十分重要,通過預(yù)警制度,能使碼頭生產(chǎn)企業(yè)及時掌握節(jié)能減排情況,以提前做好應(yīng)對準(zhǔn)備。

      2.2 M-SVM方法

      2.2.1多分類支持向量機(jī)M-SVM

      支持向量機(jī)(Support Vector Machine, SVM)[6]是在統(tǒng)計學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種通用機(jī)器學(xué)習(xí)方法,兼顧訓(xùn)練誤差和泛化能力,能在有限的樣本信息與專家經(jīng)驗之間尋求最佳折衷。SVM最初是針對2類分類問題提出的,但在實際應(yīng)用中針對的往往是多類分類問題,因此將SVM推廣到多分類問題的研究中是目前的熱點之一。[7-9]

      這里提出的碼頭節(jié)能減排指數(shù)預(yù)警級別分為3級,屬于多分類問題。多分類支持向量機(jī)(M-SVM)主要有以下2種類型[10]:

      (1) 直接求解一個含多類問題的優(yōu)化問題,一次性計算出所有多分類的預(yù)測函數(shù)。該方法的求解過程復(fù)雜,沒有得到廣泛應(yīng)用。

      (2) 一對一分類,在訓(xùn)練樣本中構(gòu)造所有可能的2類分類器,對所有組合類進(jìn)行投票,得票數(shù)最多的類為測試樣本所屬的類。該方法速度快、求解過程較為簡便,這里即采用該方法。

      2.2.2SVM實現(xiàn)原理

      SVM是從線性可分情況下的最優(yōu)分類面發(fā)展而來的,分類面之間的距離就是分類間隔。[9-10]

      (1) 若訓(xùn)練集D的輸入空間是線性可分的,則應(yīng)存在一個超平面,即

      yi(wTxi+b)≥±1,i=1,2,…,n

      (4)

      (5)

      運用Lagrange方法,式(5)可轉(zhuǎn)化為二次規(guī)劃問題,即

      (6)

      式(6)中:輔助變量α稱作Lagrange乘子。可得到

      (7)

      式(7)中:w為分類超平面的方向向量;bj為分類超平面的位置偏移量;n為支持向量的個數(shù);確定最優(yōu)超平面f(x),決策函數(shù)為sign(f(x))。對于一個測試樣本x,若sign(f(x))=+1,則x屬于正的類,否則x屬于負(fù)的類,從而實現(xiàn)樣本分類。

      (2) 若訓(xùn)練樣本點是線性不可分的,則在約束條件中加入一個松弛項,式(5)便轉(zhuǎn)化成下面的二次優(yōu)化問題。

      (8)

      式(8)中:C為一個常量,用來控制最大間隔與最小訓(xùn)練誤差之間的權(quán)衡,稱為懲罰因子。二次規(guī)劃問題可轉(zhuǎn)化成以下對偶形式。

      (9)

      (3) 針對M-SVM實現(xiàn)原理,對于多分類情況,一對一法是利用2類SVM算法在每2類不同的訓(xùn)練樣本之間構(gòu)造1個最優(yōu)決策面[10],從樣本集中取出所有滿足yi=s和yi=t(其中1≤s,t≤k,s≠t)的樣本構(gòu)造最優(yōu)決策函數(shù)。

      (10)

      對k類樣本中的每一對構(gòu)造1個決策函數(shù),由于fst(x)=-fts(x),因此1個k類問題需k(k-1)/2個分類平面。采取投票機(jī)制:給定1個測試樣本x,若有1個決策函數(shù)判定x屬于第s類,則第s類獲得1票,最后得票數(shù)最多的類別就是x所屬的類別。

      2.3 預(yù)警模型

      碼頭節(jié)能減排指數(shù)預(yù)警可看作是一個基于經(jīng)驗數(shù)據(jù)的機(jī)器學(xué)習(xí)問題,求解步驟如下:

      1) 選定訓(xùn)練數(shù)據(jù)。收集IEE與IEm數(shù)據(jù),選擇合理的預(yù)警指標(biāo)體系。

      2) 確定訓(xùn)練模型。采用專家經(jīng)驗法賦予IEE和IEm權(quán)重,并確定IEE-Em訓(xùn)練數(shù)據(jù)。

      3) 選定核函數(shù)。對訓(xùn)練數(shù)據(jù)進(jìn)行分析,判斷其是屬于線性可分還是線性不可分,采用式(6)或式(8)求解模型。

      4) 預(yù)測預(yù)警級別。訓(xùn)練數(shù)據(jù)并通過交叉驗證及對3個SVM模型進(jìn)行評分(見式(10)),得到預(yù)警級別分類超平面和支持向量。

      5) 精確度檢驗。將M-SVM模型預(yù)測數(shù)據(jù)與專家經(jīng)驗結(jié)果相對比,檢驗?zāi)P偷木_度。

      按照上述方法建立碼頭節(jié)能減排指數(shù)預(yù)警訓(xùn)練模型(見圖1)。

      圖1 基于M-SVM的碼頭節(jié)能減排指數(shù)預(yù)警模型

      3 實證分析

      3.1 樣本數(shù)據(jù)的選取

      以我國華東地區(qū)某重要沿海港口正在建設(shè)綠色港口的2個集裝箱碼頭、1個干散貨碼頭和1個通用碼頭為研究對象,進(jìn)行預(yù)警模型的實證研究,采集2013—2014年各碼頭吞吐量、生產(chǎn)能耗、CO2及污染物(COD和SO2)排放量等數(shù)據(jù),得到IEE-Em計算基準(zhǔn)值(見表1)。

      表1 碼頭節(jié)能減排指數(shù)計算基準(zhǔn)值

      根據(jù)式(1)和式(2)計算得到2013年各碼頭IEE和IEm(2014年數(shù)據(jù)略),見表2和表3。

      表2 碼頭生產(chǎn)能效指數(shù)IEE

      表3 碼頭生產(chǎn)排放強(qiáng)度指數(shù)IEm

      3.2 預(yù)警評估及等級空間劃分

      (11)

      式(11)中:w為分類超平面的方向向量;bi為分類超平面的位置偏移量。將IEE和IEm歸一化處理至區(qū)間[0,1],采用德爾菲(Delphi)法基于7位專家確定權(quán)重,將專家經(jīng)驗融入到預(yù)警模型中。由于不同類型碼頭的能效及排放特點不同,分別賦予集裝箱碼頭、干散貨碼頭及通用碼頭不同的IEE和IEm權(quán)重W1和W2(分別為:0.58,0.42;0.55,0.45和0.52,0.48,通過各次的權(quán)重加權(quán)后得到IEE-Em。

      IEE-Em=IEE·W1+IEm·W2

      (12)

      由此,確定預(yù)警級別:IEE-Em∈[0,0.5)為正常;IEE-Em∈[0.5,0.8)為預(yù)警;IEE-Em∈[0.8,1]為警告。

      3.3 分析結(jié)果

      運用MATLAB的SVM工具箱編程實現(xiàn)預(yù)警模型,設(shè)計3個M-SVM子分類器并分別進(jìn)行交叉驗證,得到4個碼頭節(jié)能減排預(yù)警指數(shù)模型;采用一對一法和式(11)對各自的3級預(yù)警空間進(jìn)行劃分(見圖2,直線為分類超平面,圓圈為支持向量)。

      由圖2可知,M-SVM模型對IEE-Em分級有較好的精確度,但仍有部分?jǐn)?shù)據(jù)位于超平面鄰近區(qū)域(如圖2a所示)。M-SVM和專家經(jīng)驗的預(yù)警級別劃分存在部分不一致的情況,需進(jìn)行精確度驗證[11],驗證結(jié)果見表4。

      a)集裝箱碼頭1b)集裝箱碼頭2

      c)干散貨碼頭d)通用碼頭

      圖2 4個碼頭節(jié)能減排指數(shù)IEE-Em的預(yù)警空間劃分

      4個預(yù)警模型均達(dá)到較高的精度,但集裝箱碼頭1的預(yù)警模型精確度較低,這是因為一部分IEE和IEm數(shù)據(jù)存在線性不可分的情況(圖2a超平面交叉區(qū)域),線性核函數(shù)在此情況下分類精度下降。在對M-SVM和專家經(jīng)驗進(jìn)行綜合評價之后,得到4個碼頭2013—2014年節(jié)能減排指數(shù)IEE-Em的預(yù)警信號圖(見圖3),供水路運輸管理部門和碼頭企業(yè)參考。此外,還可根據(jù)碼頭的最新監(jiān)測數(shù)據(jù)對M-SVM模型進(jìn)行訓(xùn)練,繼續(xù)提高模型的精確度。

      表4 模型驗證結(jié)果

      圖3 IEE-Em預(yù)警信號圖

      4 結(jié)束語

      提出碼頭節(jié)能減排指數(shù)的概念并建立預(yù)警模型,基于M-SVM和專家經(jīng)驗對模型進(jìn)行融合。經(jīng)驗證,該模型能達(dá)到較高的精確度,可為水路運輸能耗及排放的研究工作提供新的思路和可行的預(yù)警方法,為更好地評價節(jié)能減排效果提供決策支持。

      該研究的數(shù)據(jù)是線性可分的,僅采用線性核函數(shù)求解模型;對于線性不可分的數(shù)據(jù),采用其他核函數(shù)(RBF,多項式等)進(jìn)行求解[13],使模型具有更好的通用性是該研究的方向。隨著更多污染物逐步納入到碼頭監(jiān)控系統(tǒng)中,碼頭節(jié)能減排指數(shù)也將及時進(jìn)行優(yōu)化,以更加全面地反映能耗及污染物、CO2等的排放情況。

      [1] 姜海洋.大連港港口節(jié)能減排效率及綜合評價研究[D].大連:大連海事大學(xué), 2012:18-25.

      [2] 徐鵬.基于WSN的船舶危險品運輸風(fēng)險預(yù)警模型與仿真研究[D].大連:大連海事大學(xué), 2013:25-41.

      [3] 楊曉偉, 郝志峰.支持向量機(jī)的算法設(shè)計與分析[M].北京:科學(xué)出版社, 2013:72-93.

      [4] 李可順, 劉伊凡, 孫培廷.船舶能效營運指數(shù)仿真建模[J].中國航海, 2014,37(2):105-121.

      [5] 丁世飛, 齊丙娟, 譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報, 2011, 40(1):2-10.

      [6] 楊華龍, 東方.基于支持向量機(jī)的干散貨航運市場運價預(yù)警[J].中國航海, 2009, 32(3):101-105.

      [7] 馬小駿,任淑紅,左洪福,等.基于LS-SVM算法和性能可靠性的航空發(fā)動機(jī)在翼壽命預(yù)測方法[J].交通運輸工程學(xué)報, 2015, 15(3):92-100.

      [8] 孫墨林, 鄭中義.基于正反饋修正-支持向量機(jī)的PSC選船模型[J].大連海事大學(xué)學(xué)報, 2014, 40(2):31-38.

      [9] 何滿輝, 逯林, 劉拴宏.基于模糊粗糙集與支持向量機(jī)的區(qū)域物流量預(yù)測[J]. 交通運輸系統(tǒng)工程與信息,2012, 12(3):129-134.

      [10] LI B, WANG Q W, HU J L. Multi-SVM Classifier System with Piecewise Interpolation[J]. IEEJTrans on Electrical and Electronic Engineering, 2013, 8(2):132-138.

      [11] LI Boyang, WANG Qiangwei, HU Jinglu. Multi-SVM Classifier System with Piecewise Interpolation[J].IEEJ Trans on Electrical and Electronic Engineering,2013,8(2): 132-138.

      [12] 朱慶生,程柯.一種基于累積適應(yīng)度遺傳算法的SVM多分類決策樹[J].計算機(jī)應(yīng)用研究, 2016,23(1) :64-74.

      [13] 劉麗梅. 基于支持向量機(jī)新算法的流程工業(yè)過程故障診斷方法研究[D]. 沈陽:東北大學(xué),2012:64-74.

      Terminal Energy Saving and Emission Reduction Pre-Warning Based on Support Vector Machine

      HOUJue,LIQingxiang

      (China Waterborne Transport Research Institute, Beijing 100088, China)

      1000-4653(2016)04-0108-05

      U692.2

      A

      2016-08-13

      交通運輸部節(jié)能減排能力建設(shè)項目(2014-JNJP-008-037;2014-JNJP-011-040);交通運輸部水運科學(xué)研究院前瞻性基礎(chǔ)性研究項目(2016QZ-HB11131B)

      侯 玨(1985—),男,安徽合肥人,助理研究員,碩士,從事水運行業(yè)節(jié)能減排、交通運輸系統(tǒng)工程研究。 E-mail: houjue@wti.ac.cn

      猜你喜歡
      超平面能效碼頭
      全自動化碼頭來了
      全純曲線的例外超平面
      涉及分擔(dān)超平面的正規(guī)定則
      上海:穩(wěn)中有進(jìn) 能效趨優(yōu)
      以較低截斷重數(shù)分擔(dān)超平面的亞純映射的唯一性問題
      關(guān)注能效
      前往碼頭
      在碼頭上釣魚
      分擔(dān)超平面的截斷型亞純映射退化性定理
      淺談實現(xiàn)高能效制造的未來發(fā)展趨勢
      自動化博覽(2014年6期)2014-02-28 22:32:07
      陕西省| 南丹县| 南京市| 常德市| 德昌县| 新民市| 阿坝县| 蒲江县| 科尔| 台东县| 青河县| 隆回县| 和静县| 化隆| 新平| 景谷| 威海市| 东乡族自治县| 祁门县| 搜索| 富阳市| 光泽县| 涟源市| 遂宁市| 黑龙江省| 淅川县| 南城县| 揭西县| 仪陇县| 高阳县| 盐山县| 湘西| 滦平县| 工布江达县| 天峻县| 米脂县| 青川县| 临潭县| 鹤山市| 梅河口市| 常德市|