1.一种基于BP神经网络的大风作用下船舶断缆预警方法，其特征在于：包括如下步骤：步骤一、建立物理模型，获取船舶断缆时不同情况下的数据作为BP神经网络模型所需的训练数据集；步骤1、确定输入参数和输出参数定义影响船舶缆绳断裂的主要因素为输入船舶长度LOA、船舶宽度B、船舶净水高度HBR、船舶干舷高度HSRHSR、靠泊船舶所在码头高度HD、系缆根数和风速七项因素作为船舶断缆时的输入参数，定义在七项因素作用下的缆绳最大受力Fmax为船舶断缆时的输出参数；步骤2、建立并验证模型准确性将船舶等比例缩小制作出模型船，将模型船安置于水槽的码头岸边，缆绳的一端系于船舶的系缆桩上，另一端则穿过转向环，系于放置在岸边的拉力计上，通过拉力计检测模型的受力F检测，通过公式计算船舶的理论受力FWD，对比F检测和FWD，若F检测和FWD的差值的绝对值不大于10％FWD则模型船符合要求；步骤3、获得数据集在模型船达标后测得N组在不同输入参数组合下的，输出参数值，每组输入参数的组合和输出参数构成一组参数，N组参数构成BP神经网络模型所需的数据集；步骤二、对各个参数进行无因次化分析以船长为特征长度，则靠泊于码头之船舶在风力作用下，分析船舶系泊缆绳受力采用的无因次参数分别为B/LOA、HBR/LOA、HSR/LOA、HD/LOA、θ，并将以上参数作为BP神经网络的输入参数，BP神经网络的输出参数无因次参数则为其中ρa为空气密度(kg/

m3)，Va为风速(m/s)；定义输入和输出之间的咋BP神经网络内的关系为φ，则

步骤三、构建BP神经网络模型BP神经网络模型中共有三层，第一层是输入层，作为外界输入信息的传递接口，并不对数据做特别处理，第二层、第三层的隐藏层与输出层的神经元利用权重值乘积和偏权值调整并加上激活函数处理进行仿真，定义x1为B/LOA的正规化后的值，x2为HBR/LOA的正规化后的值，x3为HSR/LOA的正规化后的值，x4为HD/LOA的正规化后的值，x5为θ的正规化后的值，y为正规化的值，x1＝(B/LOA—max(B/LOA))/(max(B/LOA)‑min(B/LOA))x2＝(HBR/LOA—max(HBR/LOA))/(max(HBR/LOA)‑min(HBR/LOA))x3＝(HSR/LOA—max(HSR/LOA))/(max(HSR/LOA)‑min(HSR/LOA))x4＝(HD/LOA—max(HD/LOA)/(max(HD/LOA)‑min(HD/LOA))x5＝(θ—max(θ))/(max(θ)‑min(θ))将获得训练数据集中的数据分为两组，第一组数据的数量大于第二组数据的数量，将第一组数据作为BP神经网络的训练数据，第二组数据作为验证数据，从而建立BP神经网络模型；步骤四、验证模型准确性将明所建BP神经网络的最后训练结果还原为缆绳之最大受力，并计算整体相对误差，采用误差计算公式：误差公式中，下标i表示  样本在该群

集之编号，N是指样本个数，下标o表示是量测得到的资料，而下标result则是计算的结果计算本发明所构建模型的误差，计算结果显示相对误差大于10％，则重复步骤3直至计算结果显示的相对误差小于10％，则模型创建完毕。2.根据权利要求1所述的一种基于BP神经网络的大风  作用下船舶断缆预警方法，其特征在于：所述的FWD所用的计算公式为：