周洪景 任 凱

（海軍工程大學(xué)動力工程學(xué)院 武漢 430033）

1 引言

隨著數(shù)據(jù)庫技術(shù)、人工智能、數(shù)理統(tǒng)計和并行計算等技術(shù)的發(fā)展與融合，數(shù)據(jù)挖掘技術(shù)（Data mining，DM）應(yīng)運而生，數(shù)據(jù)挖掘［1］是一門新興的交叉學(xué)科，能夠從大量數(shù)據(jù)中提取知識，是一種高效的數(shù)據(jù)處理技術(shù)。數(shù)據(jù)挖掘技術(shù)主要有決策樹技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、回歸分析技術(shù)、關(guān)聯(lián)規(guī)則技術(shù)、聚類分析技術(shù)、貝葉斯分類技術(shù)六種，自20 世紀末提出以來，引起了許多專家學(xué)者的廣泛關(guān)注，它實現(xiàn)的算法多樣，其中人們更是給予了基于神經(jīng)網(wǎng)絡(luò)算法的數(shù)據(jù)挖掘技術(shù)厚望。

在艦船安全技術(shù)領(lǐng)域，如何有效地利用和處理大量的數(shù)據(jù)成為當今世界共同關(guān)心的問題。運用人工智能對海量的數(shù)據(jù)進行有效的處理，是保障艦船生命力的重要手段。但是在我國艦艇安全智能化領(lǐng)域研究，目前相關(guān)的學(xué)習(xí)研究還不系統(tǒng)，而且研究層次較低，還有廣闊的開發(fā)前景和研究價值。因此正確地理解基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘各種方法的優(yōu)勢與不足，對現(xiàn)有的、潛在的應(yīng)用領(lǐng)域進行研究，對于減少今后在艦船安全相關(guān)技術(shù)中神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用的盲目性和充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，具有一定的參考價值和指導(dǎo)意義。

2 基于數(shù)據(jù)支撐的艦船安全技術(shù)研究

數(shù)據(jù)的質(zhì)量將決定艦船的安全，從保證安全的角度出發(fā)，數(shù)據(jù)挖掘是必不可少的，艦船安全依賴準確有效的數(shù)據(jù)，所以數(shù)據(jù)挖掘涉及到艦船安全技術(shù)的多方面及全流程。如：艦船運動的實時預(yù)測［2～3］、艦船航行避碰、防擱淺［4］，艦船的穩(wěn)性［5～6］、浮性［7］、預(yù)測與控制，航行風(fēng)險安全評估與指導(dǎo)［8～10］，艦船的損害管制［11］，船舶受損輔助決策［12］等，這些都是一系列復(fù)雜的，需要交叉學(xué)科知識的工程，都高度依賴數(shù)據(jù)挖掘技術(shù)。

以艦船的損害管制為例，它一直以來都是各國海軍艦艇部隊的一項重要工作，也牽涉到多個方面，例如破損進水，火災(zāi)與煙霧蔓延，爆炸，航向調(diào)整等。因此在發(fā)生損害時，就需要進行綜合分析，重點管控。

為了保證艦船的生命力，除了對艦船人員損害管制處理的業(yè)務(wù)素質(zhì)有比較高的要求外，還要求艦船損管系統(tǒng)在艦船受損，比如遭遇破損進水或起火后，在短短幾分鐘內(nèi)要做出準確的損害評估與輔助決策。在這期間，會有大量的數(shù)據(jù)涌入，如何高效地處理這些數(shù)據(jù)，從中提取對于戰(zhàn)時損管決策更為有用的信息，學(xué)習(xí)推測損害情況的發(fā)展趨勢并給出合適的處理方案，顯然即使是訓(xùn)練有素的人員，也做不到在短時間內(nèi)達到要求，只能通過功能強大的計算機來實現(xiàn)這個功能，其中算法是解決上述問題的關(guān)鍵。上述提到的情況當中，數(shù)據(jù)大多具有快速變化、非線性變化、隨機變化等特征，用傳統(tǒng)的方法并不容易處理，但是艦船很多受損情況的數(shù)據(jù)可以通過平時的試驗獲得，面對這個數(shù)據(jù)“海洋”，神經(jīng)網(wǎng)絡(luò)不失為學(xué)習(xí)解決這類問題的一個不錯思路。在處理數(shù)據(jù)之前就訓(xùn)練好神經(jīng)網(wǎng)絡(luò)模型，系統(tǒng)就可以在戰(zhàn)時的緊張之際，將受損情況和發(fā)展趨勢在很短時間內(nèi)判斷清楚，克服僅僅依靠艦艇人員經(jīng)驗判斷的不足?；谏窠?jīng)網(wǎng)絡(luò)進行數(shù)據(jù)挖掘是通過仔細分析大量數(shù)據(jù)來揭示有意義的新關(guān)系、趨勢和模式的過程，能夠?qū)Ξ斍盎蛘呶磥淼那闆r做出可靠的判斷。

3 艦船運動狀態(tài)參數(shù)和生命力指標計算中的數(shù)據(jù)挖掘方法

艦船生命力的保證就是艦船戰(zhàn)斗力的保證，實時掌握艦船相關(guān)信息對保證艦船生命力來說至關(guān)重要，無論是動態(tài)信息還是靜態(tài)信息，如艦船的浮性和穩(wěn)性，這是艦船必須具備的兩個最基本的性能。需要運用數(shù)據(jù)挖掘技術(shù)，對各類險情相關(guān)數(shù)據(jù)信息進行定性、定量分析，從而準確預(yù)報險情。

船舶橫傾運動是一個復(fù)雜的時變非線性過程，它隨各種航行條件以及時變環(huán)境因素而變化。鑒于船舶鰭系統(tǒng)存在不確定性，需要對系統(tǒng)進行補償。Sun M［13］應(yīng)用徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)來估計不確定性，RBF 神經(jīng)網(wǎng)絡(luò)屬于前饋式神經(jīng)網(wǎng)絡(luò)，可以在線識別系統(tǒng)模型錯誤，從而可以保證閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，控制策略的設(shè)計可以有效提高艦船防側(cè)傾效果；同時Yin J C［14］也利用離散小波變換（DWT）方法與變結(jié)構(gòu)徑向基函數(shù)相結(jié)合的方法，實現(xiàn)了精確的船舶側(cè)傾實時預(yù)測。Yin J C［15］等提出了基于在線序貫極限學(xué)習(xí)機（OS-ELM）的灰色預(yù)測模型，該模型能夠以極快的計算速度準確地生成側(cè)傾角預(yù)測。此外Gunnu G R 等［16］在研究中將多層神經(jīng)網(wǎng)絡(luò)選擇為網(wǎng)絡(luò)模型，在操作參數(shù)和靜態(tài)橫傾角之間建立了基于人工神經(jīng)網(wǎng)絡(luò)的功能關(guān)系，借助合適的船載監(jiān)控系統(tǒng)獲得訓(xùn)練數(shù)據(jù)，進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，該結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)操作參數(shù)準確估計靜態(tài)橫傾角，因此，提出的數(shù)學(xué)模型可用于評估預(yù)測錨固期間的船舶穩(wěn)定性。

由于非線性和環(huán)境的不確定性，船舶轉(zhuǎn)向控制器的設(shè)計是一項長期挑戰(zhàn)，這與船舶安全息息相關(guān)。Wang Y 等［17］設(shè)計了一種基于擴展卡爾曼濾波器（EKF）訓(xùn)練的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)控制算法的智能自動駕駛儀。研究表明，所開發(fā)的控制系統(tǒng)在存在環(huán)境干擾的情況下可用于船舶的運動控制。Naoki Mizuno［18］提出了一種基于非線性最優(yōu)反饋控制器的自動泊船系統(tǒng)。該方法將遞歸神經(jīng)網(wǎng)絡(luò)用于非線性最優(yōu)反饋控制器，以適應(yīng)不同的泊位距離和擾動等實際工況。Kosmas O T［19］提出了一種基于模擬退火的算法，在考慮船舶安全性的前提下，可通過最小化成本函數(shù)（確定航程時間和航程舒適度的加權(quán)總和）來確定最佳船舶路線。

水面艦艇的抗爆炸，抗撞擊能力直接影響艦艇的生命力和攻擊能力，是衡量水面艦艇作戰(zhàn)性能的重要指標之一。概率神經(jīng)網(wǎng)絡(luò)結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和經(jīng)典概率密度估計原理，是基于統(tǒng)計原理的前饋神經(jīng)網(wǎng)絡(luò)，它的非線性學(xué)習(xí)過程可以用線性學(xué)習(xí)算法來實現(xiàn)。其結(jié)構(gòu)簡單和分類準確度高的優(yōu)點使其特別適合描述船舶沖擊環(huán)境的高度非線性特征。因此，Guo J［20］基于概率神經(jīng)網(wǎng)絡(luò)研究了水下非接觸爆炸作用下水面艦艇的沖擊環(huán)境。建立并訓(xùn)練的概率神經(jīng)網(wǎng)絡(luò)模型對未知船舶的撞擊環(huán)境預(yù)測具有參考價值。

以上均是關(guān)于艦船運動狀態(tài)參數(shù)和生命力指標計算中的數(shù)據(jù)挖掘方法的相關(guān)研究，上述研究對保證艦船生命力有較大貢獻。

4 艦船安全風(fēng)險評估與預(yù)測模型中的數(shù)據(jù)挖掘技術(shù)

保障生命力的同時也需要對各類事故能否發(fā)生做出風(fēng)險預(yù)測，僅通過船員的經(jīng)驗和直觀感受以及傳統(tǒng)的設(shè)備已不足以滿足要求，我們需要在各類風(fēng)險預(yù)測模型中更多的應(yīng)用人工智能的技術(shù)。在艦船運行過程中，有大量的數(shù)據(jù)產(chǎn)生，這些數(shù)據(jù)往往是動態(tài)的、迅速變化的，所以我們需要應(yīng)用數(shù)據(jù)挖掘的技術(shù)對這些數(shù)據(jù)進行處理，實現(xiàn)艦船安全風(fēng)險評估和預(yù)測。國內(nèi)外許多學(xué)者都對基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)進行了研究。

文獻［21～22］都是利用反向傳播神經(jīng)網(wǎng)絡(luò)或者稱誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)（后面簡稱BP網(wǎng)絡(luò)）來實現(xiàn)艦船的安全風(fēng)險評估與預(yù)測。張慧［21］分析船舶航行風(fēng)險要素，并結(jié)合風(fēng)險內(nèi)涵，綜合考慮多項致災(zāi)的因素，構(gòu)建艦船航行傾覆風(fēng)險評價體系，最后根據(jù)BP 神經(jīng)網(wǎng)絡(luò)原理構(gòu)建船舶傾覆風(fēng)險的結(jié)構(gòu)，利用Matlab 實現(xiàn)了BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和擬合，可以用來預(yù)測計算大樣本的船舶傾覆風(fēng)險值。同樣Wang Y F［22］等提出了一種新的船舶量化風(fēng)險評估框架，開發(fā)了BP 神經(jīng)網(wǎng)絡(luò)模型來估計不同碰撞后果的概率，并通過將碰撞概率與相應(yīng)后果進行積分來預(yù)測碰撞風(fēng)險。此外Hai Zhou［23］等利用BP 神經(jīng)網(wǎng)絡(luò)來預(yù)測未來艦船航跡，有效保證艦船安全穩(wěn)定的運行。BP 神經(jīng)網(wǎng)絡(luò)在自學(xué)能力、非線性問題的處理能力方面具有顯著優(yōu)勢，但存在收斂速度慢，容易陷入局部最小的缺陷。

卷積神經(jīng)網(wǎng)絡(luò)是具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，具有很強的表達能力和學(xué)習(xí)能力。卷積神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于圖像處理，計算機視覺，語音識別與目標檢測等。尤其是圖像、視頻和語音領(lǐng)域效果卓然。Zhang W［24］提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和圖像識別的新方法，以解釋和分類遇到不同情況下的船舶碰撞風(fēng)險。研究表明基于卷積神經(jīng)網(wǎng)絡(luò)的模型可以快速、準確地解釋根據(jù)來自自動識別系統(tǒng)的數(shù)據(jù)在碰撞風(fēng)險方面構(gòu)建的圖像。

前面提到徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)也是一種前饋型神經(jīng)網(wǎng)絡(luò)，可以認為它是一種通過改變神經(jīng)元非線性系變換函數(shù)的參數(shù)以實現(xiàn)非線性映射，并由此而導(dǎo)致連接權(quán)值調(diào)整的線性化，從而提高學(xué)習(xí)速度的神經(jīng)網(wǎng)絡(luò)，特點是學(xué)習(xí)速度快，所以近年來在數(shù)據(jù)挖掘中受到重視，特別是在支持向量機理論（Support Vector Machine，SVM）的應(yīng)用和研究逐步深入之后［25］，在艦船安全風(fēng)險評估也有一些關(guān)于支持向量機理論的應(yīng)用，例如Zheng K［26］提出了一種基于支持向量機（SVM）技術(shù)的船舶碰撞風(fēng)險定量評估算法，并通過仿真研究檢驗了這種方法的有效性。仿真研究表明了新的風(fēng)險評估算法的優(yōu)勢，可以克服常規(guī)風(fēng)險評估方法的某些弱點。另外徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)還在提高艦船生命力方面有應(yīng)用，也在上文提到。上述神經(jīng)網(wǎng)絡(luò)均屬于前饋式神經(jīng)網(wǎng)絡(luò)，是一種最簡單的神經(jīng)網(wǎng)絡(luò)。

Hopfield 神經(jīng)網(wǎng)絡(luò)是反饋型網(wǎng)絡(luò)的代表，具備連續(xù)性和精確定位的特點。針對非線性時變系統(tǒng)具有復(fù)雜的非線性時變動態(tài)特性，李鴻鵬［27］研究了基于Hopfield 神經(jīng)網(wǎng)絡(luò)的建模方法，給出了幾類Hopfield 神經(jīng)網(wǎng)絡(luò)的逼近定理及其相應(yīng)的辨識算法，可以用于非線性系統(tǒng)的建模與辨識中比如木材干燥建模過程，纖維板熱壓傳熱過程中的導(dǎo)熱問題等，這對艦艇火災(zāi)的預(yù)防有借鑒意義。Lúcia Moreira［28］等提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的時域技術(shù)，根據(jù)船舶運動可以預(yù)測波浪引起的船體彎曲力矩和剪切力，從而獲得了一種在船上使用的快速船體監(jiān)測工具。

自組織神經(jīng)網(wǎng)絡(luò)是一類無教師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，這類模型大都采用了競爭學(xué)習(xí)機制。蔣豐等［29］針對艦艇生命力分析中評估艦艇系統(tǒng)沖擊損傷的傳統(tǒng)方法的一些不足之處，提出了一種新的艦艇系統(tǒng)沖擊損傷決策方法。它利用自組織映射神經(jīng)網(wǎng)絡(luò)的聚類功能，將艦艇系統(tǒng)在沖擊環(huán)境中的損傷程度評估作為一個分類問題進行處理，在不需要學(xué)習(xí)樣本的情況下建立了預(yù)測艦艇在沖擊荷載作用下生命力分類模型。此外，史光寶［30］在分析研究預(yù)警理論的基礎(chǔ)上，借鑒其在其他領(lǐng)域應(yīng)用的經(jīng)驗，將預(yù)警理論運用到海上安全領(lǐng)域，進行海事預(yù)警的探索性研究，運用重復(fù)傳播模型（Counter Propagation Networks，CPN）建立了海事預(yù)警分析模型，利用渤海水域客船的數(shù)據(jù)對模型進行了驗證分析。

以上研究都是在風(fēng)險預(yù)測模型中基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘，都可對各類風(fēng)險判斷提供高效有用的數(shù)據(jù)支撐。

5 智能化艦船損管輔助決策中的數(shù)據(jù)挖掘技術(shù)

結(jié)合風(fēng)險評估進行輔助決策，智能化艦船損管輔助決策是我們需要達到的最高目標。完好的數(shù)據(jù)處理對輔助決策有很大的用處，在艦船受到平時或戰(zhàn)時的損害時，我們會接受到海量的信息反饋，這使我們需要有效的數(shù)據(jù)挖掘技術(shù)提煉出有用的數(shù)據(jù)，基于有效數(shù)據(jù)支撐的輔助決策將會使艦船的損管行動事半功倍。

火災(zāi)探測是火災(zāi)預(yù)防的關(guān)鍵環(huán)節(jié)，艦船發(fā)生火災(zāi)時，它的發(fā)展與起火艙室結(jié)構(gòu)，艙室與各類管路分布，燃燒物種類等密切相關(guān)，其造成的結(jié)果就是船艙溫度升高，煙霧和有毒氣體排放，艦艇結(jié)構(gòu)材料性質(zhì)變化。因此監(jiān)測的數(shù)據(jù)往往也是來自溫度的變化，氣體和煙霧的產(chǎn)生，火災(zāi)產(chǎn)生時的紅外輻射信號，熱輻射和煙霧圖像等［31］。林高華［32］發(fā)展了一種基于不規(guī)則運動區(qū)域動態(tài)紋理煙霧探測算法，首先提出并發(fā)展了合成煙霧圖像生成訓(xùn)練數(shù)據(jù)的方法，然后合成煙霧圖像進行了基于二維卷積神經(jīng)網(wǎng)絡(luò)的煙霧探測研究，并繼續(xù)發(fā)展了一種基于三維卷積神經(jīng)網(wǎng)絡(luò)的視頻煙霧識別方法，設(shè)計相應(yīng)的視頻煙霧探測系統(tǒng)。為視頻煙霧探測技術(shù)走向?qū)嶋H應(yīng)用提供理論和技術(shù)支撐；同樣徐高［33］在火災(zāi)煙霧圖像識別中，研究發(fā)展了基于深度域適應(yīng)的煙霧圖像分類模型。

艦船破損進水時，受損位置，大小及進水規(guī)模，航向航速等特征會對艦船浮性、穩(wěn)性造成重要影響，這些可通過液位測量儀，艙室可視化系統(tǒng)，艦船破艙穩(wěn)性實時計算系統(tǒng)等得出數(shù)據(jù)和圖像［34］。

之前我們已經(jīng)提到艦船的自動目標識別對艦艇安全有重大意義，而圖像分割是自動目標識別應(yīng)用的關(guān)鍵步驟［35］。它通常用于將目標與其周圍的背景分開以執(zhí)行目標識別。在大多數(shù)情況下，是艦船的自動目標識別是使用紅外圖像，紅外圖像可以緩解計算機視覺中的一些問題，例如陰影的存在和照明的突然變化。然而，紅外圖像本身存在挑戰(zhàn)，這些挑戰(zhàn)使紅外圖像中的艦船目標分割變得困難。為了解決該問題，在基于神經(jīng)網(wǎng)絡(luò)的現(xiàn)有方法中，通常利用Hopfield 神經(jīng)網(wǎng)絡(luò)進行圖像分割［36］，但Hopfield 神經(jīng)網(wǎng)絡(luò)的一個已確定問題是難以選擇懲罰參數(shù)，盡管已經(jīng)提出了一些標準來解決該問題，但它們很耗時。DZLAC 等［37］對它改進了一些，提出了一種全局背景減法濾波器（GBSF）來抑制背景，以及一種自適應(yīng)行均值減法濾波器（ARMSF）來增強目標。該方法有效地分割了紅外圖像中來自不同背景的不同尺寸的艦船目標。此外Chen Z［38］提出了一種新穎的混合深度學(xué)習(xí)方法，該方法結(jié)合了改進的生成對抗網(wǎng)絡(luò)和基于卷積神經(jīng)網(wǎng)絡(luò)的檢測方法，用于小型艦船檢測，有效的解決了傳統(tǒng)基于艦載雷達的物體檢測技術(shù)不適合進行近距離和小型船舶檢測的問題。Shuai Zhang［39］提出了一種基于模糊精確更新的對稱自適應(yīng)共振理論模型（Adaptive Resonance Theory，ART）的紅外弱光目標檢測方法，該方法可以在各種情況和目標下進行。在變化的光照，連續(xù)的云，破碎的云，大海和復(fù)雜的地面的天空背景下進行實驗。實驗結(jié)果表明，該方法可以更好地增強目標，消除干擾。Zhu X［40］開發(fā)了一個三層反向傳播神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)使用從導(dǎo)航器收集的調(diào)查數(shù)據(jù)進行訓(xùn)練，表達可見性和船舶操縱性的影響，并對各種情況做出快速反應(yīng)。

此外Zhang Y［41］等提出了基于頻率變化的BP神經(jīng)網(wǎng)絡(luò)智能方法，可以很好地定位和量化船舶結(jié)構(gòu)的損傷。Allouche M K 等［42］使用基于自組織特征映射網(wǎng)的方法解決了戰(zhàn)時對艦船受到魚雷（反潛戰(zhàn)），其他艦船（反水面戰(zhàn)）或敵機（反空戰(zhàn)）發(fā)射的導(dǎo)彈的各種威脅進行優(yōu)先級劃分和分類的穩(wěn)定性問題。

上述是基于數(shù)據(jù)支撐的輔助決策技術(shù)的相關(guān)研究，結(jié)合風(fēng)險評估進行智能化的損管輔助決策來保障艦船生命力是我們的最高目標。

6 數(shù)據(jù)挖掘新技術(shù)在艦船安全領(lǐng)域的前沿發(fā)展

為了更好地開展艦船安全技術(shù)研究，準確進行生命力評估、風(fēng)險預(yù)測以及損管輔助決策等，我們還有必要談一談深度學(xué)習(xí)算法，深度學(xué)習(xí)是機器學(xué)習(xí)（Machine Learning，ML）領(lǐng)域中一個新的研究方向，是源于對神經(jīng)網(wǎng)絡(luò)的進一步研究，它與神經(jīng)網(wǎng)絡(luò)模型密切相關(guān)。

國防大學(xué)的陶九陽等［43］提到，智能態(tài)勢感知理解和自主決策是目前人工智能亟待解決的領(lǐng)域，是通向真正意義的智能化戰(zhàn)爭的關(guān)鍵一環(huán)。AlphaGo 的成功極有可能帶來這類智能軍事決策的突破。這其中就不乏在船舶安全技術(shù)中智能化決策的參考。不久，在2020 年8 月［44～45］，美國國防高級研究計劃局（DAPRA）的戰(zhàn)略辦公室（STO）主持的一場令人矚目的人機模擬空戰(zhàn)-“阿爾法狗斗”（AlphaDogfight）比賽中，以赫倫系統(tǒng)公司（Heron Systems）的AI 算法5：0 完勝了F16 飛行教官Banger，也驗證了現(xiàn)代戰(zhàn)爭演變?yōu)榘嗟娜藱C協(xié)同甚至是無人系統(tǒng)的自主決策趨勢不可阻擋。

這對艦船安全領(lǐng)域相關(guān)技術(shù)有不少的借鑒意義。例如在防撞決策方面［46］，諸如神經(jīng)網(wǎng)絡(luò)和模糊邏輯之類的人工智能方法已應(yīng)用于該問題。如今，船員可以通過雷達，自動識別系統(tǒng)（AIS）和其他系統(tǒng)獲取周圍船只的交通數(shù)據(jù)。然而，與預(yù)期相反，過多的信息會分散官員的注意力，并經(jīng)常導(dǎo)致錯誤的決策，目前已經(jīng)可以通過使用深度學(xué)習(xí)結(jié)合其他算法提高船舶的自動化程度來有效地減少大量的碰撞［47～48］。

7 結(jié)語

通過上述探究分析，無論是在船舶目標和航跡的識別——用于防撞防擱淺，火災(zāi)和破損進水的識別，穩(wěn)性和浮性的預(yù)測，還是對艦船安全有影響的損害和威脅進行及時而精確的類型、等級的劃分等方面，利用神經(jīng)網(wǎng)絡(luò)技術(shù)進行數(shù)據(jù)分析與挖掘在目前國內(nèi)外都取得了一些進展。但是相關(guān)的應(yīng)用開發(fā)還具有很大空間，從當前的情況出發(fā)，可以從兩個方面進行考慮，能夠在提升艦船安全性，保障艦船生命力上提供重要思路。

一方面是艦艇無人化。無人水面艦艇將對現(xiàn)有的安全技術(shù)會產(chǎn)生重要革新，由于人為失誤可能是許多海上事故的成因［49～50］，同時保障艦船人員生命安全是大多數(shù)艦船安全技術(shù)首要考慮的因素，因此通過操作海上無人水面艦艇或者是無人水面艦艇自主操作可能比傳統(tǒng)的載人艦船更安全。即使發(fā)生事故，更少的船員或無人駕駛船也可能導(dǎo)致更少的死亡和傷害［51］。因此這項內(nèi)容的發(fā)展會讓現(xiàn)有艦船安全相關(guān)技術(shù)遇到的許多問題得到很大程度上的解決。

但是在安全方面，無人艦艇目前也還存在一定的問題。比如戰(zhàn)時網(wǎng)絡(luò)保障，能否應(yīng)對敵方的網(wǎng)絡(luò)攻擊；對于有人操作的無人艇如何避免人為失誤的影響；在設(shè)備故障時如何保證無人艦艇的安全返航；尤其是無人駕駛的船舶對潛在事故的反應(yīng)仍不確定，尚不能證明它在氣象海洋狀況不好時在面對有人船，或者海上小型物體能夠正確檢測和識別、安全操縱來避免發(fā)生碰撞，這些方面還缺乏比較系統(tǒng)的研究［52］。

另一方面是改善或者提出新的神經(jīng)網(wǎng)絡(luò)模型或算法來解決艦艇安全技術(shù)中的數(shù)據(jù)挖掘問題。比如利用紅外圖像、遙感圖像、雷達圖像、聲納圖像等進行水面及水下目標識別的綜合判斷，對其他多個航行船只的航跡預(yù)判，艦艇遭遇火災(zāi)、爆炸沖擊、破損進水時進行完善的輔助決策等。

因為基于上述分析，在艦艇安全中我們對學(xué)習(xí)數(shù)據(jù)，分析數(shù)據(jù)的方法不論是采用哪種神經(jīng)網(wǎng)絡(luò)模型，目前基本上都是這樣一個過程-建立模型，選擇算法從而進行預(yù)先學(xué)習(xí)。這也許可以取得不錯的效果，但是也要知道，這個世界不是一成不變的，人類學(xué)習(xí)有一個關(guān)鍵特征：對不斷變化的任務(wù)和連續(xù)的經(jīng)驗具有魯棒性［53］，這也是現(xiàn)代神經(jīng)網(wǎng)絡(luò)的局限性，從上世紀各類神經(jīng)網(wǎng)絡(luò)模型概念提出發(fā)展到如今［54～56］，其內(nèi)容已經(jīng)得到極大豐富，尤其是以深度學(xué)習(xí)得到深度神經(jīng)網(wǎng)絡(luò)為代表的新一代神經(jīng)網(wǎng)絡(luò)技術(shù)也彰顯了這一領(lǐng)域強大的生命力，這對于將艦艇安全技術(shù)的數(shù)據(jù)挖掘是一個很好的啟示，或許可以基于此方向開發(fā)更多基礎(chǔ)性的神經(jīng)網(wǎng)絡(luò)算法作支撐。在艦艇安全領(lǐng)域如果對于基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘有更大野心，在未來應(yīng)當將目光放在艦船的自動化系統(tǒng)能夠在自主模擬的動態(tài)環(huán)境中，自主地學(xué)習(xí)、持續(xù)地學(xué)習(xí)以到達“終生學(xué)習(xí)”的目標，擺脫平時訓(xùn)練所難以實現(xiàn)的情況，從而準備好趨于完善的戰(zhàn)時應(yīng)對方案［56］。