海上能见度不良时渔船安全航行注意事项

<正> 雾、雪、霾等天气现象,造成了海洋能见度不良,特别是海洋雾对能见度有很大影响。因此,渔船在海上、港口要十分注意安全航行。一、在海上目力所能见到的最大距离,称海面能见度,出现了雾或由于别的原因,使海上能见度不良时,影响船舶的航行安全。为了确保航行安全、渔船驾驶人员必须懂得掌握影响海面能见度的知识,在雾中或能见度不良的海区航行,要严格遵守《国际海上避碰规则》。     

2010—2019年江苏省渔业船舶水上安全事故分析及对策建议

依据中国渔政指挥系统江苏省渔业船舶水上安全事故的统计资料,对2010—2019年事故的发生时间、事故起数、死亡人数、事故类型和事故等级等方面进行了统计分析。结果表明,江苏省渔业船舶水上安全事故以一般等级事故居多,事故发生时间呈现一定规律性,渔船自身安全隐患突出,从业人员岗位技能不足,渔船安全管理责任不到位。基于分析结果,提出压降一般等级事故,遏制较大等级以上事故,提高风险管控和事故防范能力的对策建议。     

基于遗传BP神经网络的半滑舌鳎体重估算模型优化研究

针对人工估算半滑舌鳎(Cynoglossus semilaevis)鱼苗体重存在误差大、难度大、易伤鱼苗等缺点,提出了一种基于遗传BP神经网络体重估算模型优化研究的方法。首先利用参考系测量鱼苗体长和体宽,再通过遗传BP神经网络估算模型计算鱼苗体重。利用遗传算法对编码后的BP神经网络进行优化并验证了遗传算法能有效确定BP神经网络隐藏层节点数目。结合遗传算法优化BP神经网络的结构和连接权值,采用300份同一训练样本对优化的BP神经网络进行训练,最终建立准确遗传BP神经网络体重估算模型。结果显示,该方法对鱼苗体重估算与实际值平均相对误差不超过0.61%。研究表明,该方法为半滑舌鳎体重估算提供了一种比较科学的计算方法,在鱼苗生长发育监测和科学喂养等方面具有重要的实际意义。     

综合安全评估(FSA)在渔船风险控制中的应用

介绍了船舶安全管理中综合安全评估(FSA)的基本方法和步骤,并且将该方法应用到渔船风险评估工作中.根据渔船航行及作业情况,从渔船危险识别、渔船风险评估、风险控制方案、各种方案的费用/效益评估、决策建议等方面对渔船风险做了全面的分析与评估,就如何确保渔船安全进行了新的探索.研究的初步结果,对提高渔船风险管理水平有积极的作用,并对进一步开展渔船风险评估方面的研究有参考价值.     

基于决策树的最佳通信渔船选择方法

针对海洋环境复杂多变,如遇到海上恶劣天气或自然灾害等紧急情况时,离海岸较远的渔船与岸边的无线通信会受到严重影响。文章提出了一种基于决策树集成算法的分类算法,根据决策树的分类结果寻找具备最佳通信条件的渔船,首先对包含200艘渔船的数据集进行数据预处理,然后根据决策树C4.5算法提取渔船自身的信号强度和所处的环境条件(风速、海面温度和海面气压共4个属性),作为分类属性对数据集进行分类,最后使用集成学习中的Bagging算法和Boosting算法构建强分类器以提高分类精度。性能比较结果显示:集成学习算法能提升决策树的分类性能,基于Boosting算法的决策树分类精度最高,达到95.76%。研究表明:该方法有助于快速准确地寻找一艘或多艘最佳通信渔船,通过该渔船传播信息给远处的目标渔船,保障海上无线通信质量。     

渔船磁罗经安装,保管、使用与必须校正的自差

<正> 磁罗经是现代船舶科学导航仪器之一,特别在渔船上由于没有装配电罗经,为确保渔船在海上的安全航行,防止海损事故的发生,如何根据渔船的特点,就渔船磁罗经的安装、保管、使用与必须较正自差等问题,加以讨论。以供渔船驾驶员参考。     

BP神经网络模型在水环境质量综合评价应用中的一些问题

BP神经网络是采用误差反向传播算法对网络权值进行训练的多层前向神经网络，以其优良的非线性逼近能力，获得广泛应用，建立的神经网络模型具有优异性能的必要条件是神经网络结构及其参数的合理选取，具有足够多和代表性，典型性好的训练样本，训练时求得全局最小点和不出现“过学习”或“过拟合”等，本文根据近几年BP神经网络建模理论研究的最新成果，研究发现目前在建立水环境质量综合评价BP神经网络模型时存在的几个主要问题：（1）训练样本太小；（2）没有检验样本和测试样本；（3）神经网络结构太大等，从而极有可能造成在训练神经网络模型时再现“过拟合”或“过学习”现象，使建立的模型泛化能力较差或根本没有，在研究近年提出的应用BP神经网络方法建模的必备条件的基础上，对目前应用人工神经网络进行水环境质量综合评价的研究成果的分析表明，绝大多数水环境质量BP神经网络评价模型是在满足建模条件的情况下建立的，计算实例表明，在不满足建模条件下建立的神经网络模型泛化能力和预测能力较差，极有可能出现多模式现象，没有实用价值。     

渔船在恶劣海况航行主机的操纵与管理

近年来 ,渔业海上安全形势严峻 ,海损事故屡有发生 ,特别是小型渔船 ,船况不良 ,职务船员技术素质低、应变能力差、安全意识淡薄、遇有恶劣气象惊慌失措、超抗风等级、超航区冒险出海 ,综观近几年海事案例 ,渔船在大风浪、风暴、汹涛中航行与作业发生事故居多。除驾驶操纵不当之外 ,由于轮机人员缺乏应具备较强的操纵能力与管理水平 ,主机操纵、管理不当 ,造成主机故障 ,进而酿成沉没或船毁人亡严重后果的惨案 ,在海损事故中占有相当的比例。如某船主机功率 40 44ｋＷ ,在大笔架山东约 1ｎｉｅｌ,返航时在大风浪中全速航行 ,船舶失去动力 ,…     

提高渔船检验质量关键问题的思考

<正>1加强渔船检验的必要性渔业船舶法定检验是一项存在一定风险性、技术要求含量高的管理性工作,同时又具有权威性、公正性、广泛性的特点。其宗旨是通过对渔船实施质量技术监督,保障渔船具备安全航行、安全作业的技术条件,降低、杜绝渔船海上作业风险,从而保障渔船及其船上人身财产安全,为渔业经     

海雾与渔船驾驶

海雾使海上的能见度降低，严重影响渔船的正常航行与捕捞作业的安全。近几年来，由于海上捕捞船只猛增，船员的航海素质差，因而在雾中造成偏航、搁浅、触礁、碰撞等事故也日益增加。因此，了解海雾的形成因素及其分布范围，对渔船的安全生产是非常必要的。     

基于BP神经网络模型的福建海域赤潮预报方法研究

赤潮往往给渔业生产和人类的生命安全造成极大的危害,但由于赤潮的成因十分复杂,对其进行预报非常困难。本研究收集了福建海区2000年至2016年发生的219个赤潮案例有效数据,应用BP神经网络人工智能模型建立了其与气温、降水、风速、气压和日照5个气象因子的非线性关系,并将这些赤潮案例数据与相应的气象指标按闽东、闽中和闽南3个海区,分别输入模型进行学习、训练与预测。结果显示:1)闽东海区53个训练样本45个预测正确,正确率达84.91%,3个模拟预测样本全部正确;2)闽中海区69个训练样本58个预测正确,正确率达84.06%,4个模拟预测样本全部正确;3)闽南海区85个训练样本的运算预测结果63个正确,正确率74.12%,5个模拟预测样本全部正确,达到预期的结果。研究表明,以气象因子为自变量采用BP神经网络模型对赤潮的发生进行预测是可行的,该方法可为赤潮的预测提供新的途径。     

基于BP神经网络的虾蛄捕捞海域溯源方法

虾蛄是重要的经济水产品,对环境中重金属元素具有富集作用。不同海域捕捞的虾蛄体内重金属含量差异较大,因此,可根据虾蛄体内重金属含量推断捕捞海域的污染状况,即基于虾蛄体内重金属状况对其来源进行溯源。以渤海、东海和南海三大海域虾蛄中的3种重金属含量数据作为输入,建立BP神经网络判别分析模型,并对模型进行优化,通过模型判断虾蛄样本的来源海域。结果显示:经过网络训练后,总计90个样本中,86个分类正确,模型的判别准确率为95.6%,其中训练集判别准确率为98.1%,验证集准确率为94.4%,测试集准确率为88.9%。研究表明:基于BP神经网络建立的判别分析模型能够解析非线性复杂体系中各元素的内在关联,以区分样品的来源,并可据此进行有效的追溯。     

基于数字孪生技术的平面渔网破损检测方法研究

为防止渔网破损造成养殖鱼类逃逸，有必要对网衣进行破损检测。为了克服人工检测劳动强度大且效率低下的缺点，实现渔网的精准实时监测，本研究提出了一种基于数字孪生的网衣破损检测方法，可利用传感器代替人工监测。该方法首先从渔网的数值仿真模型获取大量的仿真传感数据，然后将数据用于人工神经网络的训练与测试，最后生成可进行网衣破损识别的数字孪生体。数字孪生体可根据传感器监测到的数据来判断网衣是否发生破损。在数值模拟中，考虑各种波浪条件以及网衣的破损情况。在训练人工神经网络中，将有效波高Hs、谱峰周期Tp以及横纲竖纲的拉力值作为输入变量，将网衣完整状态以及破损状态作为输出。经过测试分析，该识别模型根据传感器数据识别网衣是否破损的平均准确率为94.32%，由此可见，数字孪生技术能准确检测到渔网的损坏，可以作为网衣破损检测的一种新方法。     

基于渔船捕捞行为特征的远洋延绳钓渔场捕捞强度计算

渔场捕捞强度信息可以为渔业资源评估和管理提供帮助。本研究结合2017年10—11月船舶自动监控系统(AutomaticIdentificationSystem,AIS)信息和同期中国中西太平洋延绳钓渔船捕捞日志数据,通过挖掘延绳钓渔船作业航速和航向特征,建立渔场作业状态识别模型,提取渔场捕捞强度信息。以3～9节为航速阈值和0°～10°及300°～360°为航向阈值,渔船作业状态识别准确率为68.29%。阈值识别和日志记录的捕捞强度信息在空间上相关性很高(0.96),基于AIS信息挖掘的渔船捕捞强度空间分布特征和实际非常相似。阈值识别和日志记录的捕捞强度信息在空间上与单位捕捞努力量渔获量(catch per unite of effort, CPUE)、渔获尾数、渔获重量和投钩数的空间相关系数均大于0.62,基于AIS信息挖掘的渔船空间捕捞强度也可替代用于渔业资源分析。     

基于粒子群优化BP神经网络的水产养殖水温及pH预测模型

针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。     

基于EMD-BiLSTM的太平洋大眼金枪鱼渔场预报模型研究

大眼金枪鱼(Thunnus obesus)是太平洋延绳钓的主捕鱼种之一,针对多数传统预报模型存在的问题,提出了基于经验模态分解和双向长短时记忆神经网络(EMD-BiLSTM)的渔场预报新模型,以实现一种新的面向渔业应用的产量预报方法。首先,通过经验模态分解机制(EMD)对单位捕捞努力量渔获量(CPUE)序列进行分解,得到不同尺度的分解分量(IMF);然后结合各影响因子对IMF分量分别建立双向长短时记忆神经网络渔场预报模型(Bi-LSTM),使神经网络的数据处理优势得以充分发挥;最后整合各项结果作为最终预报值。结果显示:与Bi-LSTM模型相比,均方根误差和绝对误差分别降低0.053和0.018;与BP模型相比,均方根误差和绝对误差分别降低0.208和0.048。研究表明,EMD-BiLSTM模型具有较高的预报准确率,可为渔场预报相关研究提供一种新思路。     

基于3S集成平台的南海渔业信息动态采集与实时自动分析系统研发

以全球定位系统(GPS)、地理信息系统(GIS)和遥感(RS)等3S技术集成平台,并结合船舶监控系统(VMS)、北斗卫星短报文信道、ARM高性能处理器、NR嵌入式操作系统等前沿技术,建立"南海渔业信息动态采集与实时自动分析系统"。该系统是一个分布式系统,包括船载捕捞信息实时采集装备、南海渔业数据集成中心、南海渔业捕捞地理信息系统及外海渔场预报系统等4个完全独立分布的子系统。本系统自主研发了具备北斗通信功能的船载捕捞实时采集装备,并创新性地利用北斗卫星短报文信道实现了海上渔船与地面数据中心的实时信息交互,此外利用VPN信道实现了数据中心与数据处理分析应用系统之间安全可靠的数据共享,从而最终建立了海上渔船与岸上数据分析系统之间的无缝连接虚拟网络。基于这一网络,海上渔船将渔业捕捞数据实时发送至南海渔业捕捞GIS系统,进行实时分析与显示海洋捕捞(分)渔区/渔船/鱼类产量的数据分析专题图;外海渔场预报系统依据多年的捕捞、渔业生物学及渔场环境数据收集与分析将南海外海鸢乌贼渔场信息发送给海上渔船,推进海上渔业捕捞的高效生产。     

南海外海灯光罩网主要渔场分布及变动研究——基于广西渔船的生产监测统计

广西灯光罩网渔船是开发南海外海的主要力量之一。文章采用广西渔船船位监控系统记录的2013年2月～5月广西灯光罩网渔船在南海外海的生产数据,计算各渔区捕捞努力量占同期外海总捕捞努力量的比例作为渔区生产集中程度的指标,据此将渔区按渔船生产集中程度归类为作业高密集区、密集区、低密集区和生产外围区等4类。结果表明,高密集区和密集区的捕捞努力量占总量的2/3以上,构成渔船在南海外海的主要渔场。主要渔场范围包括27个渔区,多分布于南沙海区北部海域,太平岛周围海域是生产集中程度最高的区域。同时分析了灯光罩网主要渔场分布变动情况,讨论当前南海外海渔业开发的态势和存在问题,提出了南海外海渔业生产管理和发展的对策和建议。