[发明专利]一种基于多源海上目标数据的智能挖掘模型建立方法

说明书

本发明公开一种基于多源海上目标数据的智能挖掘模型建立方法，包括步骤一、态势觉察，步骤二、态势理解，步骤三、态势预测，步骤四、建立行为决策模型，步骤五、小型船舶行为判断五个步骤；本发明通过引入智能数据挖掘技术结合航性态势分析知识库，通过态势觉察、态势理解和态势预测的方法实现对近海小型船舶目标识别和状态预测估计，同时建立船舶行为决策模型，并与小型船舶状态预测估计对比对船舶航行危险、违规违法和导致的危险进行判断，此类方法可预测大范围航线上潜在的航行危险，确保了小型船舶可以以安全的航线行驶。

技术领域

本发明涉及船舶航行技术领域，尤其涉及一种基于多源海上目标数据的智能挖掘模型建立方法。

背景技术

随着海洋观测、模拟手段的快速提升和数据科学的重大突破，现代海洋科学经历了理论牵引、技术驱动与数据主导三大范式变革，海洋大数据已成为人类从认识海洋到经略海洋的必经之路，而海洋大数据的获取、分析及应用过程中，需要用到大量的海洋航行器；

目前船舶航行的预测大多采用观测或雷达探测的方法进行，避免了船舶出现的一些危险，但这类的预测方法不准确，同时存在一定的观测探测范围的限制，且对于船舶的航行危险和违规违法航行无法判断，因此，本发明提出一种基于多源海上目标数据的智能挖掘模型建立方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种基于多源海上目标数据的智能挖掘模型建立方法，该基于多源海上目标数据的智能挖掘模型建立方法通过引入智能数据挖掘技术结合航性态势分析知识库，通过态势觉察、态势理解和态势预测的方法实现对近海小型船舶目标识别和状态预测估计，同时建立船舶行为决策模型，并与小型船舶状态预测估计对比对船舶航行危险、违规违法和导致的危险进行判断，此类方法可预测大范围航线上潜在的航行危险，确保了小型船舶可以以安全的航线行驶。

为实现本发明的目的，本发明通过以下技术方案实现：一种基于多源海上目标数据的智能挖掘模型建立方法，包括以下步骤：

步骤一、态势觉察，选取某一特定时刻，获取近海小型船舶在特定时刻的环境中各小型船舶的状态信息，通过态势觉察的方法对当前时刻下各小型船舶的状态信息进行逐层提取事件和聚类分群处理，得到小型船舶状态信息中的特定类型态势特征向量；

步骤二、态势理解，通过识别步骤一中得到的特定时刻下小型船舶状态信息中的特定类型态势特征向量，确定它们之间的关系，并结合领域知识和航行态势分析知识库对当前时刻下态势特征的分析和解释，实现对特定时刻下小型船舶状态信息中的特定类型态势特征向量的态势理解；

步骤三、态势预测，引入智能数据挖掘技术，结合航行态势分析知识库采用还原论的思想对小型船舶近期状态信息数据进行分析，利用时序分析法对各小型船舶的状态估计；

步骤四、建立行为决策模型，通过将步骤三中对各小型船舶状态的估计预测拟合成小型船舶行为决策集合，利用各个小型船舶行为决策集合建立行为决策模型；

步骤五、小型船舶行为判断，通过步骤四中建立的行为决策模型，结合航行态势分析知识库对小型船舶航行危险、违规违法和导致危险进行判断，并实现预警。

进一步改进在于：所述步骤一的态势觉察的方法中需要利用获取的态势特征元素把小型船舶按照空间和功能进行分群从而推断更高级别的态势描述，分群的基本思想是对有用的数据进行分组，以便后续评估确定态势元素之间的相互关系，并能够据此从各个层次分析小型船舶态势的行为特征。

进一步改进在于：所述步骤一的态势觉察方法的处理过程表示为

X×Y→Z

其中X表示一级融合的输出向量，描述各个小型船舶在各个时刻的属性及行为信息；Y表示小型船舶领域的事件特征及聚类编群数据库；Z表示处理得到的小型船舶状态信息中的特定类型态势特征向量。