孙忠华 杨婷婷

摘 要：本文以欧盟最新港口国监督法令（2009/16/EC）巴黎备忘录目标船选船机制（NIR）为研究对象，提

出基于粗糙集和BP神经网络组合算法的PSC的新选船模型。研究结果表明：该算法有效结合粗糙集

理论与BP神经网络的优点，属性约简科学合理，避免选择评价因素的主观影响，简化了网络结构。

关键词：粗糙集 BP神经网络 约简 PSC选船

2009/16/EC欧盟最新港口国监督法令第10条“船舶风险等级”规定：“所有停靠欧盟成员国港口或锚地的船舶在船舶检查数据库中都具有一个船舶风险等级信息，风险等级决定了检查等级、检查周期和检查范围。”而船舶风险等级的评估则由包括船型、船龄、船旗国、认可组织及管理公司表现在内的通用参数和基于一定历史时期内（通常是3年）在巴黎备忘录地区港口国监督检查缺陷数和滞留次数的历史参数共同确定。但由于该选船方法中的风险因素只是提供了一些相对具有代表性的因素，这些因素是否科学，能否通过PSC历史检查数据对船舶风险因素进行重新梳理，而且该机制只是对风险因素进行打分并通过简单的相加得出船舶风险值，是线性选船模型，而实际上PSC预测选船模型是非线性模型。

PSC选船模型国内外相关研究主要集中在层次分析法和模糊综合评价方法，魏栋等人采用BP神经网络可以很好地逼近非线性性函数的特性，采用BP神经网络建立了FSC检查选船模型。但BP神经网络需要大量样本数据进行训练，收敛速度慢，并易陷入局部最优。……