台中港潮汐表2021的問題,透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

國立高雄科技大學 航運技術系 鄒明城所指導 陳佳歡的 結合AIS 大數據分析之船舶行為預測 (2020),提出台中港潮汐表2021關鍵因素是什麼,來自於AIS、大數據分析、關鍵因素分析、類神經網路。

接下來讓我們看這些論文和書籍都說些什麼吧:

除了台中港潮汐表2021,大家也想知道這些:

結合AIS 大數據分析之船舶行為預測

為了解決台中港潮汐表2021的問題,作者陳佳歡 這樣論述:

世界貿易發展迅速,且運輸大多仰賴海運,使得船舶數量越來越多,近岸及港口水域交通狀況相對複雜,因此要如何提升該水域的交通安全成為了一項重要的課題;在港口及近岸交通較複雜之水域通常會設立船舶交通服務系統(VTS)對區域內船舶進行識別及監控以提升交通安全及通航效率;而國際海事組織(IMO)於2002年強制船舶安裝AIS之法規生效後,AIS的使用率越來越高,再加上AIS所發送之船舶資料與航跡數據的連續性及有效性,使得船舶數據可以快速累積,因此本研究藉由蒐集大量船舶進出高雄港二港口水域之AIS歷史資料透過大數據預處理技術進行導入、抽取及清洗之過程,並結合高雄港海氣象資料,將資料整理為更完整之船

舶AIS資料庫。 本研究使用關鍵因素分析方法對船舶資料庫內船舶之對地航向(COG)及對地航速(SOG)進行關鍵因素分析以了解主要影響船舶進出高雄港二港口之COG及SOG的關鍵因素,再利用類神經網路演算法對資料庫進行大數據分析,預測船舶進出港時之COG及SOG,首先利用類神經網路演算法對船舶資料庫進行深度學習並建立類神經網路預測模型,再對模型進行精確度分析及驗證,以了解模型預測的效能,結果表示類神經網路之預測模型精確度高,適合用於預測COG及SOG,因此本研究透過蒐集二港口水域事故船舶之AIS資料與類神經網路預測之COG及SOG進行比較分析,結果顯示出事故船於發生事故前之COG及SOG與預

測值確實有所誤差,因此可藉由此方法判斷船舶動態是否有異常,並提供相關理論依據作為港口主管機關提升港口安全之參考。