【技术实现步骤摘要】
一种基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法
本专利技术涉及船舶航运领域，具体涉及一种基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法。
技术介绍
船舶的营运费用包括很多部分，其中船舶的燃油费用占了超过60％的比例，合理的规划理想的航运路线，增加利润，进而竞争力是当前绝大多数航运公司想解决的问题；当船舶油耗的预测能通过高级的方法对真实数据进行学习得以实现，将可以对船舶公司的航运规划起到至关重要的指导作用。尽管已经有很多关于这方面的研究，但是现在绝大多数的油耗预测模型都是对船舶正常海况条件下航行的船舶进行预测，并且船舶处于恶劣海况下的数据量较少，船舶的油耗与天气、海浪、风速等因素之间的一些不确定性以及之间的高度相关性导致现有模型得到预测精度都比较低，这些模型在对恶劣海况下数据进行油耗预测时鲁棒性较差，无法准确的预测船舶在恶劣海况航行期间的油耗。人工神经网络是模拟生物神经网络进行信息处理的一种数学模型，由大量的节点(或称神经元)之间的相互连接构成的。人工神经网络的的学习过程也称之为训练过程，指...
【技术保护点】
1.一种基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，该方法包括：/n采集原始数据训练集：所述原始数据训练集包括海况条件数据、气象数据以及航行状态数据；/n数据筛选以及处理：筛选出船舶航行状态为在航、有载货以及船舶的航速不低于预设值的数据；/n选定输入特征参数：采用集成学习的方法对特征参数进行相关性分析，筛选出与船舶油耗以及海况参数相关性高的特征参数；/n建立恶劣海况下的油耗预测模型：设置隐藏层以及隐藏节点个数，设置激活函数；/n模型训练以及参数优化：将数据输入神经网络中，随机初始化权重和偏置，采用监督学习算法不断调整优化模型参数，得到最终优化的油耗预...
【技术特征摘要】
1.一种基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，该方法包括：
采集原始数据训练集：所述原始数据训练集包括海况条件数据、气象数据以及航行状态数据；
数据筛选以及处理：筛选出船舶航行状态为在航、有载货以及船舶的航速不低于预设值的数据；
选定输入特征参数：采用集成学习的方法对特征参数进行相关性分析，筛选出与船舶油耗以及海况参数相关性高的特征参数；
建立恶劣海况下的油耗预测模型：设置隐藏层以及隐藏节点个数，设置激活函数；
模型训练以及参数优化：将数据输入神经网络中，随机初始化权重和偏置，采用监督学习算法不断调整优化模型参数，得到最终优化的油耗预测模型；
模型应用：将现有海况以及航行状态数据输入油耗预测模型，得到预测油耗结果。
2.如权利要求1所述的基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，所述海况条件数据由船舶上的传感器测量得到，所述海况条件数据包括船舶纵倾角、横倾角、平均吃水、风速、风向、浪高以及对水速度。
3.如权利要求1所述的基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，所述气象数据来自气象局发布的信息。
4.如权利要求1所述的基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，所述航行状态数据包括船舶的地理位置、航行里程、螺旋桨平均每分钟转速、主机转速、船舶航速、燃油消耗量、总载货量以及甲板货物量。
5.如权利要求1所述的基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，用浪高对海况进行分级，其中当浪高范围为2.5～4.0m时，海面状况为大浪、海况等级为5，符合恶劣海况的要求，因此在筛选中加入浪高大于等于2.5m这一项，得到具有代表性的数据组。
6.如权利要求5所述的基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，对不相关的数据进行清洗，从原始数据中选出与油耗建模相关的特征参数，对筛选后的数据进行异常值以及缺失值处理；由于输入特征参数的量纲不同并处于不同的数量级，为了保证特征参数指标之间的可比性，对处理后的数据进行归一化，使得各特征参数处于同一数量级，便于综合对比，使得寻优的过程变得平缓，提高寻优的速度。
7.如权利要求1所述的基于海况条件和船舶航行状况预测恶劣海况下船舶油耗的方法，其特征在于，数据中的特征参数对船舶油耗影响的权重是不同的，因此在选定输入的参数过程...
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。