【技术实现步骤摘要】
一种长江内河航运船舶复杂运行情况油耗预测方法及系统
本专利技术涉及船舶
，特别是涉及一种长江内河航运船舶复杂运行情况油耗预测方法及系统。
技术介绍
长江内河航运的发动机油耗成本是内河航运船舶运营的主要成本，对于船舶运输公司来说，运输货物的成本中，油耗成本占据船舶运营成本的60％以上。随着船联网技术的发展，航运船舶安装了北斗定位，动力监控系统以及油箱液位测量系统，使船舶公司的管理人员和船舶操作人员可以实时的获取船舶航行过程中的运行状态数据(包括发动机转速、单双转)、航行地理位置特征数据(如上下水，航段)、以及油箱液位测量系统得到主机油耗数据。但是，上述的油箱液位测量系统，船舶航行动力监控系统和北斗定位系统是三个独立的系统，并不能直接将三者数据直接整合使用。当前，仍需要船舶操作人员根据经验判断船舶油耗情况，自动化程度低，易受操作人员操作经验主观影响，一致性差。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种长江内河航运船舶复杂运行情况油耗预测方法及系统。为了实...
【技术保护点】
1.一种长江内河航运船舶复杂运行情况油耗预测方法，其特征在于，包括：/n获取船舶平稳状态下的多个船舶航行参数，将所述多个船舶航行参数输入油耗预测模型，所述油耗预测模型输出油耗预测值；所述船舶航行参数包括动力参数和航行环境参数；/n所述油耗预测模型为神经网络深度学习模型，所述油耗预测模型的激活函数为：/n
【技术特征摘要】
1.一种长江内河航运船舶复杂运行情况油耗预测方法，其特征在于，包括：
获取船舶平稳状态下的多个船舶航行参数，将所述多个船舶航行参数输入油耗预测模型，所述油耗预测模型输出油耗预测值；所述船舶航行参数包括动力参数和航行环境参数；
所述油耗预测模型为神经网络深度学习模型，所述油耗预测模型的激活函数为：
其中，x表示神经元节点的输入，f(x)表示神经元节点的输出，K为比例系数，0.1≤K≤0.5。
2.如权利要求1所述的长江内河航运船舶复杂运行情况油耗预测方法，其特征在于，在对油耗预测模型的训练中，根据航行环境参数对油耗影响大小，确定网络节点的丢弃与否，当航行环境参数与油耗大小正相关，则网络节点个数保持不变；否则随机选取丢弃比例对每层之间的网络节点个数进行丢弃。
3.如权利要求1或2所述的长江内河航运船舶复杂运行情况油耗预测方法，其特征在于，在对油耗预测模型的训练中，对于任一神经网络中间层的网络节点，从区间[0.3，0.5]中随机选择一个数值α，按照公式Y＝ceil((1－α)＊X)保留Y个网络节点作为激活节点，舍弃其余网络节点，所述X表示该神经网络中间层的网络节点的输入个数，函数ceil()表示向上取整函数。
4.如权利要求1所述的长江内河航运船舶复杂运行情况油耗预测方法，其特征在于，利用训练数据集对初始油耗预测模型进行训练获得所述油耗预测模型；所述训练数据集中的训练样本数据的获取过程包括：
收集船舶平稳状态下的航行参数数据和油耗；
判断收集的船舶航行参数...
【专利技术属性】
技术研发人员：陈欣，闫玉枫，
申请(专利权)人：重庆瑞尔科技发展有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。