一种基于机器学习的在港船舶能耗预测方法技术

本发明专利技术提出一种基于机器学习的在港船舶能耗预测方法，具体为：收集船舶相关数据和港口相关数据，包括港口航道数据、泊位数据及船舶属性数据；船舶主机、辅机功率等相关参数的确定以及船舶类型、船舶吨级的构成和在港船舶能耗值的分布分析，确定每一艘船舶在锚地、港内航道和泊位中的能耗功率；构建预测模型，包括选择机器学习算法、模型验证方法和模型预测准确度评价指标；计算预测特征在船舶能耗预测中的重要性，改变工况，分别预测港口在不同装卸作业效率和不同船舶到港时间间隔下的在港船舶能耗值。本发明专利技术可准确地预测特定港口在未来的在港船舶能耗情况，为可再生能源在港口的应用提供决策支持，有利于实现港口的节能减排，推进绿色港口建设。

A prediction method of ship energy consumption in port based on machine learning

【技术实现步骤摘要】
一种基于机器学习的在港船舶能耗预测方法
本专利技术属于船舶能耗预测领域，具体涉及一种基于机器学习的在港船舶能耗预测方法。
技术介绍
随着港口规模的进一步发展，港口生态环境问题的日益突出、绿色发展理念的逐渐深化，港口生态环境的重要性受到越来越多的国家和地区重视。港口作为交通运输业的重要组成部分，属于能源高消耗、污染物高排放类型的单位，其中，船舶柴油发电机的能耗和污染物排放是港口能耗和污染物排放的主要来源。使用海洋能、风能、太阳能等可再生能源为船舶供电能够有效降低港口的污染物排放，为合理配置可再生能源容量，避免配置过多引起的能源浪费或配置过少引起的能源不足，港口需要对未来的船舶能耗进行预测，从而为船舶所需的能源进行提前配置。由于港口生产作业调度和船舶到港时间间隔具有复杂性和随机性，船舶能耗受港口作业计划、船舶固有属性等多方面复杂随机因素共同影响，仅依靠数学方法难以准确描述船舶能耗规律，因此很难通过数学模型对未来的船舶能耗进行量化。
技术实现思路
为解决上述问题，本专利技术提出了一种基于机器学习的在港船舶能耗预测方法。考虑船舶固有本文档来自技高网...

【技术保护点】
1.一种基于机器学习的在港船舶能耗预测方法，其特征在于，包括以下步骤：/n步骤一：收集船舶相关数据和港口相关数据，包括港口航道数据、泊位数据及船舶属性数据；/n步骤二：船舶主机和辅机功率参数的确定以及船舶类型、船舶吨级的构成和在港船舶能耗值的分布分析，确定每一艘船舶在锚地、港内航道和泊位中的能耗功率；/n步骤三：构建预测模型，通过多个选择机器学习算法和预测特征对船舶能耗分别进行预测，然后对模型预测结果进行验证，并选择模型预测准确度评价指标对所选择的机器学习算法进行评价，对比各选择机器学习算法预测不同类型的船舶和不同泊位的船舶能耗时的准确度，以选择预测准确度最高的算法；/n步骤四：计算步骤三中所...

【技术特征摘要】
20200210 CN 20201008477191.一种基于机器学习的在港船舶能耗预测方法，其特征在于，包括以下步骤：
步骤一：收集船舶相关数据和港口相关数据，包括港口航道数据、泊位数据及船舶属性数据；
步骤二：船舶主机和辅机功率参数的确定以及船舶类型、船舶吨级的构成和在港船舶能耗值的分布分析，确定每一艘船舶在锚地、港内航道和泊位中的能耗功率；
步骤三：构建预测模型，通过多个选择机器学习算法和预测特征对船舶能耗分别进行预测，然后对模型预测结果进行验证，并选择模型预测准确度评价指标对所选择的机器学习算法进行评价，对比各选择机器学习算法预测不同类型的船舶和不同泊位的船舶能耗时的准确度，以选择预测准确度最高的算法；
步骤四：计算步骤三中所选择的预测特征在船舶能耗预测中的重要性，通过改变船舶装卸作业效率和船舶到港时间间隔来设置不同的工况，分别预测港口在不同装卸作业效率和不同船舶到港时间间隔下的在港船舶能耗值。


2.根据权利要求1所述的一种基于机器学习的在港船舶能耗预测方法，其特征在于，所述港口为综合性港口时，
步骤一中，所述船舶相关数据具体为：港口航道数据包括航道长度及通航规则；泊位数据包括泊位个数、各泊位的吨级和位置及各泊位用途；船舶属性数据包括船舶属性信息、船舶货物信息及船舶作业信息，其中，船舶属性信息包括船舶长度、船舶载重吨、船舶净吨、船舶国籍和船舶航速；船舶货物信息...

【专利技术属性】
技术研发人员：彭云，刘华锟，李相达，王文渊，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21