1.一種基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，包括以下步驟：
根據(jù)船舶碰撞歷史數(shù)據(jù)，計(jì)算歷史碰撞概率，其中，所述船舶碰撞歷史數(shù)據(jù)包括事故致因因素、船舶屬性、船舶流量、碰撞次數(shù)、歷史受傷人數(shù)和歷史死亡人數(shù)以及歷史財(cái)產(chǎn)損失的一種或多種的組合；
根據(jù)所述船舶碰撞歷史數(shù)據(jù)和歷史碰撞概率，預(yù)測每一事故致因因素的發(fā)生次數(shù)；
對(duì)船舶碰撞歷史數(shù)據(jù)中的事故致因因素進(jìn)行主成分分析，并優(yōu)先提取貢獻(xiàn)率大的主成分；
根據(jù)主成分分析的結(jié)果對(duì)預(yù)測的事故致因因素進(jìn)行降維計(jì)算，并將降維計(jì)算的結(jié)果作為第一神經(jīng)網(wǎng)絡(luò)的輸入，輸出碰撞概率的預(yù)測值；
對(duì)船舶屬性進(jìn)行等級(jí)劃分，采用事故序列的方法尋找頻繁項(xiàng)集，通過決策樹分析，尋找置信度高的事故序列，對(duì)頻繁發(fā)生且置信度高的事故序列的所有情況進(jìn)行排列組合；
將船舶屬性作為第二神經(jīng)網(wǎng)絡(luò)模型的輸入層，將決策樹分析得到的排列組合后的事故序列輸入到所述第二神經(jīng)網(wǎng)絡(luò)模型，計(jì)算得到對(duì)應(yīng)的碰撞后果；
根據(jù)碰撞概率的預(yù)測值和所述碰撞后果，計(jì)算得到船舶碰撞風(fēng)險(xiǎn)。
2.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述事故致因因素包括人為因素、船舶和設(shè)備因素、環(huán)境因素和管理因素的一種或多種的組合；所述船舶屬性包括船舶噸位、使用時(shí)間、配員數(shù)、行駛速度、船舶類型、船舶尺寸、碰撞夾角和碰撞位置的一種或多種的組合。
3.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述預(yù)測每一事故致因因素的發(fā)生次數(shù)，包括：
根據(jù)累積式自回歸移動(dòng)平均模型，對(duì)事故致因因素發(fā)生次數(shù)進(jìn)行預(yù)測。
4.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述對(duì)船舶碰撞歷史數(shù)據(jù)中的事故致因因素進(jìn)行主成分分析，并優(yōu)先提取貢獻(xiàn)率大的主成分，包括：
對(duì)船舶碰撞歷史數(shù)據(jù)中的所有事故致因因素采用主成分分析方法進(jìn)行簡化降維；
提取貢獻(xiàn)率大于或等于貢獻(xiàn)率閾值的主成分，其中，所述貢獻(xiàn)率閾值的取值介于75％至85％之間。
5.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，根據(jù)主成分分析的結(jié)果對(duì)預(yù)測的事故致因因素進(jìn)行降維計(jì)算，并將降維計(jì)算的結(jié)果作為第一神經(jīng)網(wǎng)絡(luò)的輸入，得到碰撞概率的預(yù)測值，包括：
第一神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)包括輸入層、隱藏層和輸出層；
將提取出的主成分作為第一神經(jīng)網(wǎng)絡(luò)輸入層的參數(shù)，將碰撞概率作為輸出層的參數(shù)，根據(jù)主成分分析的結(jié)果，對(duì)預(yù)測的事故致因因素采用主成分分析法進(jìn)行降維計(jì)算，將計(jì)算得到的主成分作為第一神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)輸入輸出模型、作用函數(shù)模型、誤差計(jì)算模型和自學(xué)習(xí)模型，計(jì)算得到碰撞概率的預(yù)測值。
6.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述碰撞后果包括受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失。
7.根據(jù)權(quán)利要求6所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，根據(jù)碰撞概率的預(yù)測值和所述碰撞后果，計(jì)算得到船舶碰撞風(fēng)險(xiǎn)之前，還包括：
對(duì)所述碰撞后果進(jìn)行標(biāo)準(zhǔn)化和歸一化處理，用于消除量級(jí)和量綱的影響；
通過專家系統(tǒng)和模糊層次分析方法，確定碰撞后果中受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失的權(quán)重；
根據(jù)處理后的碰撞后果，以及受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失的權(quán)重，計(jì)算得到新的碰撞后果；
根據(jù)碰撞概率的預(yù)測值和所述碰撞后果，計(jì)算得到船舶碰撞風(fēng)險(xiǎn)，包括：
將碰撞概率的預(yù)測值和所述新的碰撞后果進(jìn)行乘積運(yùn)算，得到所述船舶碰撞風(fēng)險(xiǎn)。
8.根據(jù)權(quán)利要求7所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，對(duì)所述碰撞后果進(jìn)行無量綱化，包括：
根據(jù)特別重大事故受傷人數(shù)下限、特別重大事故死亡人數(shù)下限和經(jīng)濟(jì)損失下限，分別對(duì)受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失進(jìn)行標(biāo)準(zhǔn)化和歸一化處理，消除量級(jí)和量綱的影響。
9.根據(jù)權(quán)利要求7所述的基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，通過專家系統(tǒng)和模糊層次分析法，確定碰撞后果中受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失的權(quán)重，包括：
采用專家系統(tǒng)確定受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失的相對(duì)重要度，分別對(duì)其進(jìn)行模糊化，得到專家打分矩陣；
對(duì)專家打分矩陣求平均值，得到模糊因素判斷矩陣；
使用Buckley方法計(jì)算模糊權(quán)重矩陣；
去模糊化得到受傷人數(shù)、死亡人數(shù)和財(cái)產(chǎn)損失的權(quán)重。
10.一種基于數(shù)據(jù)挖掘的船舶碰撞風(fēng)險(xiǎn)評(píng)估系統(tǒng)，其特征在于，包括：
統(tǒng)計(jì)模塊，用于根據(jù)碰撞歷史數(shù)據(jù)，計(jì)算歷史碰撞概率，其中，所述船舶碰撞歷史數(shù)據(jù)包括事故致因因素、船舶屬性、船舶流量、碰撞次數(shù)、歷史受傷人數(shù)、歷史死亡人數(shù)以及歷史財(cái)產(chǎn)損失的一種或多種的組合；
預(yù)測模塊，用于根據(jù)所述船舶碰撞歷史數(shù)據(jù)和歷史碰撞概率，預(yù)測每一事故致因因素的發(fā)生次數(shù)；
主成分分析模塊，用于對(duì)船舶碰撞歷史數(shù)據(jù)中的事故致因因素進(jìn)行主成分分析，并優(yōu)先提取貢獻(xiàn)率大的主成分；
概率計(jì)算模塊，用于根據(jù)主成分分析的結(jié)果對(duì)預(yù)測的事故致因因素進(jìn)行降維計(jì)算，并將降維計(jì)算的結(jié)果作為第一神經(jīng)網(wǎng)絡(luò)的輸入，得到碰撞概率的預(yù)測值；
組合模塊，用于對(duì)船舶屬性進(jìn)行等級(jí)劃分，采用事故序列的方法尋找頻繁項(xiàng)集，通過決策樹分析，尋找置信度高的事故序列，對(duì)頻繁發(fā)生且置信度高的事故序列的所有情況進(jìn)行排列組合；
后果計(jì)算模塊，用于將船舶屬性作為第二神經(jīng)網(wǎng)絡(luò)模型的輸入層，將決策樹分析得到的排列組合后的事故序列輸入到所述第二神經(jīng)網(wǎng)絡(luò)模型，計(jì)算得到對(duì)應(yīng)的碰撞后果；
風(fēng)險(xiǎn)評(píng)估模塊，用于根據(jù)碰撞概率的預(yù)測值和所述碰撞后果，計(jì)算得到船舶碰撞風(fēng)險(xiǎn)。