排序方式： 共有5条查询结果，搜索用时 297 毫秒
1
1.
随着“碳达峰”、“碳中和”发展目标的提出,液化天然气（Liquefied Natural Gas,简称LNG）作为清洁低碳能源逐渐受到能源市场的重视。在此背景下,重点分析LNG海上运输网络演化模式,对掌握全球能源格局动态和中国的进口贸易现状具有重要意义。本文利用船舶轨迹数据和复杂网络理论,聚焦2018—2020年全球LNG海上运输网络演化趋势;同时针对中国的贸易现状,重点分析中国LNG进口来源、主要进口港分布及进口量排名前三的进口港的货源流入状况。结果表明：① 2018—2020年,全球LNG海上运输网络呈扩大趋势,并呈现出“无标度”特性;同时骨干网络节点连接的“广度”和“深度”正在增强,全球LNG贸易存在趋于垄断的风险;② “一带一路”国家贸易参与度强,中北美、南亚和东南亚地区的进口港数量和进口航次数增长尤为明显,萨贝塔、邦尼按照贸易出口量排名已进入全球前八;③ 网络的平均最短路径值在2018—2020年逐年递增,“转运港”业务新模态逐渐兴起;截止到2020年共有21个转运港口参与LNG贸易中,美国占据全球转运的主导地位;④ 中国的LNG进口货量规模发展迅速,海上运输网络流向趋于多元,但澳大利亚仍占据主要来源地位;按照进口量统计天津港、深圳港和永安港排名前三,“减碳”压力促使经济发达地区建设接收站并且不断增大进口量。 相似文献
2.
精确、细粒度空气质量分指数（Individual Air Quality Index, IAQI）预测是空气质量指数（Air Quality Index, AQI）的基础,对于空气质量防治和保护人类身心健康均具有重要意义。目前传统时序建模、循环神经网络（Recurrent Neural Network, RNN）、图卷积网络（Graph Convolutional Network, GCN）等方法难以有效融合时空因素和气象因素,稳定提取监测站点间动态边缘关系。本文提出了基于时空因果卷积网络（Spatial-Temporal Causal Convolution Networks, ST-CCN）的空气质量分指数预测模型ST-CCN-IAQI。首先采用空间注意力机制分析多源空气污染物和气象因素的空间效应;其次利用堆叠膨胀卷积和时间注意力机制提取特征矩阵的时间依赖性特征;最后采用贝叶斯调优方法对膨胀卷积的多种参数进行了调优。本文采用上海市空气监测站空气质量分指数（IAQI-PM2.5）数据展开实验,并采用一系列基线模型（AR、MA、ARMA、ANN、SVR、GRU、LSTM和ST-GCN）与ST-CCN-IAQI效果进行对比。实验结果显示：① 在单测站测试中,ST-CCN-IAQI的RMSE和MAE值分别为9.873、7.469,相比基线模型平均下降了24.95%和16.87%;R2值为0.917,相比基线平均提升了5.69%;② 对全部站点的IAQI-PM2.5、IAQI-PM10和IAQI-NO2的预测,证明了ST-CCN-IAQI具有较强的泛化能力和稳定性。③ 采用Shapley分析方法论证了IAQI-PM10、湿度、IAQI-NO2对IAQI-PM2.5的预测具有较大程度的影响;通过不同数据抽样条件下的Friedman检验,证明了ST-CCN-IAQI对比基线模型有显著的性能提升。ST-CCN-IAQI方法为细粒度IAQI精准预测提供了一种鲁棒可行的解决方案。 相似文献
3.
停泊船空间分布规律挖掘,在海事监管、港口管理和航运公司船队管理方面有着重要意义。现有研究主要针对船舶停泊点进行空间聚类以识别码头和锚地,缺乏对码头、锚地内船舶停泊特征分析,及码头和锚地外的异常停船的检测。因此,利用海量船舶自动识别系统（AIS）数据探索船舶停泊规律显得很有必要,且具备可行性。根据海况设定停泊速度阈值和停泊位置变化量阈值,建立停船判定模型。按港区、船型筛选,获取2016年1至11月外高桥港区集装箱船停泊记录。根据类中心点密度和聚类数量,设定邻域半径（ε）和邻域密度（MinPts）,采用密度聚类（DBSCAN）算法对船舶停泊点进行密度聚类,并将聚类结果与外高桥港区码头、锚地分布图进行比较,生成可疑停船列表。对比船舶历史轨迹,明确可疑停船列表中船舶真实停泊记录,筛选出异常停船。研究发现,2016年1至11月外高桥港区船舶异常停泊点位于圆圆沙锚地至吴淞口锚地间的南港水道和江亚南沙锚地附近的南港水道航段。船舶停泊前、后位置变化幅度小,而速度变化幅度大,推测船舶突发故障是其异常停泊的原因。海事主管部门（MSA）可根据船舶水上移动通信业务识别码（MMSI）快速锁定航运公司,加强岸上船舶安全管理。船舶停泊位置和时间能够记录船舶发生故障地点及其持续时间,为船队管理提供重要依据。 相似文献
4.
南海区域商船典型空间分布及贸易流向研究 总被引：1，自引：0，他引：1
随着中国对外开放的深入以及“一带一路”倡议的推进,南海战略地位更加显著。如何科学监管南海船舶,维护国家权益,促进地区之间贸易也成为摆在政府部门面前的难题。在本文中利用南海区域2015年的卫星AIS数据与船舶数据档案资料,通过计算南海水域船舶交通密度分析主要航路,与关键门线船舶流量计算相结合,明确船舶典型空间分布;同时基于4种类型船舶的主要航路的选择,明确南海货物贸易主要流向。研究成果表明：① 船舶空间分布在《世界大洋航路》的推荐航线上,南海的建设开发并未影响船舶的贸易运输;② 贸易运输以跨越南海的长距离运输为主,珠三角作为主要航路的重要端点表明中国在南海贸易的优势地位。 相似文献
5.
利用海上交通事故空间分布特征进行安全分析是海上交通安全管理的重要组成部分。本文使用厦门港2008—2020年的海上交通事故数据,经过事故数据空间分布特征提取、分析及预测等流程,最终得到厦门水域海上交通事故潜在危险区域。本文首先使用原始事故数据在GIS软件中进行空间定位,形成事故点的可视化空间分布图,然后使用核密度分析法鉴别海上交通事故多发区域,再利用空间自相关分析法,得到该区域事故空间的分布特征和具体的聚集点,最后使用该分布特征、对目标水域数据进行标准化网格切分,并利用机器学习算法对潜在事故风险区域进行预测。本文在核密度分析结果中发现：就事故频度而言,厦门湾和西海域交通事故频度较高。在空间自相关分析的结果中表明：就空间分布特征而言,厦门港的空间分布出现聚集特征且为空间正相关模式,且就事故具体的空间聚集点而言,厦门湾和西海域仍是事故高发的中心区域。而最后的厦门湾及周边水域风险预测模型显示：潜在事故风险区域多位于沿海和河口交汇区域。本文研究结果表明在基于地理空间数据分布特征提取和网格化分析的基础上,结合机器学习方法（随机森林）,对于海上交通事故的预测具有良好的效果。 相似文献
1