علی اصغر آل شیخ؛ سعید مهری
چکیده
حدود ۸۰% از حملونقل جهانی در بستر دریا انجام میشود؛ بنابراین، بهمنظور حفظ ایمنی عبورومرور کشتیها، پیشبینی دقیق حرکت آنها اهمیت ویژهای دارد. ازآنجاکه پارامترهای زمینهای گوناگونی در حرکت کشتیها تأثیر میگذارد، یکی از چالشهای اصلی در حوزة محاسبات زمینهـ آگاه حرکت کشتیها شناسایی پارامترهای زمینهای بهینة مؤثر ...
بیشتر
حدود ۸۰% از حملونقل جهانی در بستر دریا انجام میشود؛ بنابراین، بهمنظور حفظ ایمنی عبورومرور کشتیها، پیشبینی دقیق حرکت آنها اهمیت ویژهای دارد. ازآنجاکه پارامترهای زمینهای گوناگونی در حرکت کشتیها تأثیر میگذارد، یکی از چالشهای اصلی در حوزة محاسبات زمینهـ آگاه حرکت کشتیها شناسایی پارامترهای زمینهای بهینة مؤثر در حرکت کشتی است که ضرورت تحقیق حاضر را میرساند. در این راستا، با استفاده از شبکة عصبی حافظة طولانی کوتاهـ مدت و انتخاب پارامتر بهشیوة پوشانه (Wrapper)، اقدام به شناسایی پارامترهای زمینهای بهینه برای پیشبینی حرکت کشتی شد. به این منظور، دادههای سیستم شناسایی خودکار کشتیها، جمعآوریشده در دسامبر سال ۲۰۱۷ از ساحل شرقی آمریکا، بهکار رفت. تمامی ترکیبات ممکن از سه پارامتر زمینهای سرعت، جهت و احتمال حضور کشتی در هر نقطه از دریا، با روش پوشانه، در مدل پیشبینی یادشده ارزیابی شد. در ارزیابیها، ۷۰% از دادهها برای آموزش و مابقی برای اعتبارسنجی متقابل بهکار رفت. طبق نتایج، پارامترهای سرعت و احتمال حضور بهمنزلة پارامترهای زمینهای بهینه شناسایی شد؛ بهصورتیکه دقت مدل با ورودیهای بهینه 26.98% بهتر از مدلی است که در تمام پارامترهای زمینهای در دسترس بهمنزلة ورودی بهکار رفته و نیز 16.14% بهتر از مدل بدون زمینه است؛ بنابراین، شناسایی پارامترهای زمینهای بهینه از میان پارامترهای در دسترس و استفاده از آنها میتواند به بهبود دقت کمک کند