一种基于时序随机森林的短期船舶航速预测方法技术

本发明专利技术提供一种基于时序随机森林的短期船舶航速预测方法，包括以下步骤：获取建模数据并进行数据预处理；将时间序列数据引入随机森林学习器构建全新的预测模型框架；模型相关参数的设定；使用模型进行预测。本发明专利技术可以利用船舶的历史航行速度和海洋气象预报数据对短期船舶对水速度进行预测，避免了直接使用船舶发动机实时监控数据的现象，对于船载监控设备的要求较低，同时实现了事先对船舶速度进行预测和事后实验分析。本发明专利技术的模型平均绝对误差(MAE)、均方根误差(RMSE)、可决系数(R^2)均优于其他三种常用模型。优于其他三种常用模型。优于其他三种常用模型。

【技术实现步骤摘要】
一种基于时序随机森林的短期船舶航速预测方法


[0001]本专利技术涉及航速预测的
，具体而言，尤其涉及一种基于时序随机森林的短期船舶航速预测方法。

技术介绍

[0002]船舶航速的估计和预测一直是航运领域内非常重要的课题。与使用观测数据或者再分析资料的航速估计相比，对于未来时刻船舶航速的预测往往更加困难，但又更加符合实际的需求。导致航速预测很难有较高精准度的原因主要有两个：首先，在预测阶段，可以利用的数据是非常有限的，通常只有气象预报数据、船舶的静态参数以及历史航行数据。船舶引擎或螺旋桨的实时监控数据在预测时是不能提前被获得的，但这类数据对于速度的估计却又非常重要。其次，用于船速预测的预报数据本身也存在一定的不确定性，气象预报的准确性会随着时间增长逐渐下降。与长期船速预测相比，短期预测受气象预报不确定性的影响更小，因此在一些需要较为准确的船速预测值时，相关从业者会优先考虑短期航速预测。例如：船载自动识别系统的数据由于某些原因在短时间内无法获取或传输时，船舶需要对这段时间内的速度进行准确预测，从而实现出于安全或经济等目的的航线规划；智能船舶作为当下的热门话题，其自动导航或航线规划系统也需要短期船速预测值提供数据支持。因此，本专利技术致力于提出一种全新的方法，在可利用数据有限的情况下，对船舶的短期航速进行准确预测。
[0003]短期船速预测有着许多解决方案，主要分为基于物理或经验公式的方法和基于数据驱动模型的方法，但是两者均存在一定缺陷。首先，随着船舶大型化，船舶的吨位已经逐渐超过物理模型或经验公式中的限制范围，并且得到的结果误差较大。随着大数据时代的来临，人们开发出使用相关环境数据对船速进行预测的数据驱动模型。但是，由于许多机器学习算法需要满足测试数据集和训练数据集独立同分布的条件，因此对于一个崭新的数据集，模型的预测结果存在很大的不确定性。
[0004]通过查阅资料发现，船舶在航行中受到的总阻力主要由与船舶引擎状态有关的静水阻力和与外界环境因素有关的附加阻力组成，因此仅仅使用环境因素进行预测的数据驱动模型自然很难得到令人满意的结果。为了提高模型的准确性，需要将有关于船舶引擎状态的数据输入到模型中，但是实时监控的引擎数据并不能轻易被利用。首先，船舶航行时的引擎状态显然在事前预测阶段不能被知道；其次，对于一些船载设备较为老旧的船舶，实时数据的监控和传输也存在问题，一般只能利用每天的午报。而午报中的数据大多为估计值，不能满足预测实验的要求。因此，我们需要一个创新的方案，将船舶引擎状态引入模型，从而提高模型的准确性。

技术实现思路

[0005]根据上述提出数据大多为估计值不能满足实验需求的技术问题，而提供一种基于时序随机森林的短期船舶航速预测方法。本专利技术主要通过一种基于结合时序随机森林的短
期船舶航速预测方法，包括以下步骤：
[0006]步骤S1、获取建模数据并进行数据预处理；
[0007]步骤S2、将时间序列数据引入随机森林学习器构建全新的预测模型框架；
[0008]步骤S3、对所述随机森林模型进行相关参数的设定和训练；
[0009]步骤S4、通过训练后的所述随机森林模型进行预测；
[0010]具体地，所述步骤S2还具有以下步骤：
[0011]步骤S21、对数据集及参数进行定义；
[0012]设MT是截止到时间T且经过预处理后的数据集，其中，ET、ST和VT分别代表海洋气象数据集、船舶状态数据集和对水速度数据集；et、st和vt分别对应着上述数据集在某特定时间点t时刻的数据；定义b为历史速度数据的长度，p为以当前时刻t为节点预测的长度；
[0013]步骤S22、假设A是决策树上某个节点对应的超矩形单元格，而NT(A)表示落入A中的数据数量；在A上的一次切割通过一个数据对(j,z)描述，其中，j表示从1到输入特征数之间的某个维度，而z表示沿j切割的位置；另外假设输入特征Xt＝(et,st,vt
‑
1,vt
‑
2,...,vt
‑
b)，输出变量Yt＝vt；由此分类回归树原则标准可以通过如下公式(1)求得：
[0014][0015]其中，代表指示函数，是当Xt落在A中时对应Yt的平均值，若Xt未在A中则该指取0；
[0016]接着，通过在所有可能的切割中找到使得L
T
(j,z)最大的解，即是此时A对应的最优切割解(j,z)；
[0017]步骤S23、当每个单元格最终包含的点数少于设定数目时，单个树的构建将停止；
[0018]其中，第i棵树求得的回归方程如公式(2)所示：
[0019][0020]其中，表示用于构建该树的子数据集，A
t
是与X
t
对应的超矩形单元格；将构建的k棵树得到的结果取平均值得到最终的结果，如公式(3)所示：
[0021][0022]步骤S24、以当前时间t作为分割点，下一个时刻的对水速度v*t+1通过步骤S22和步骤S23描述的方法确定；
[0023]将v*t+1作为下一次预测的输入特征值，重新输入到构建的模型中；经过多次循环迭代，获取更长时间后的船舶对水速度；具体迭代过程如公式(4)所示：
[0024][0025][0026]其中，v*t表示t时刻对应的船舶对水速度预测值。
[0027]较现有技术相比，本专利技术具有以下优点：
[0028]1、本专利技术将包含反应引擎状态的船舶历史航速时间序列数据引入随机森林回归器，得到了一个全新的预测模型。该模型与传统模型相比，拥有更高的准确性和更强地鲁棒性。
[0029]2、本模型避免了直接使用船舶引擎实时监控数据，船舶的历史对水速度数据和天气海况数据分别可以通过船载自动识别系统或午报和海洋气象预报轻松获得，对于船载监控设备的要求不高。本专利技术有着较高的准确性，可以事先对船舶的短期航速进行预测，从而为后续的导航、避碰等操作提供了数据支持，同样可以用于事后的实验分析。
[0030]3、将提出的基于时序随机森林的短期船舶对水速度预测模型与各种用于船速预测的经典时间序列模型(自回归滑动平均模型、卡尔曼滤波模型、长短期记忆人工神经网络模型)对比中，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)、可决系数(R^2)均优于以上模型。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术整体流程示意图。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结合时序随机森林的短期船舶航速预测方法，其特征在于，包括以下步骤：S1、获取建模数据并进行数据预处理；S2、将时间序列数据引入随机森林学习器构建全新的预测模型框架；S3、对所述随机森林模型进行相关参数的设定和训练；S4、通过训练后的所述随机森林模型进行预测；具体地，所述步骤S2还具有以下步骤：S21、对数据集及参数进行定义；设MT是截止到时间T且经过预处理后的数据集，其中，ET、ST和VT分别代表海洋气象数据集、船舶状态数据集和对水速度数据集；et、st和vt分别对应着上述数据集在某特定时间点t时刻的数据；定义b为历史速度数据的长度，p为以当前时刻t为节点预测的长度；S22、假设A是决策树上某个节点对应的超矩形单元格，而NT(A)表示落入A中的数据数量；在A上的一次切割通过一个数据对(j,z)描述，其中，j表示从1到输入特征数之间的某个维度，而z表示沿j切割的位置；另外假设输入特征Xt＝(et,st,vt
‑
1,vt
‑
2,...,vt
‑
b)，输出变量Yt＝vt；由此分类回归树原则标准可以通过如下公式(1)求得：其中，代表指示函数，是当Xt落在A中时对应Yt的平均值，若Xt未在A中则该指取0；接着，通过在所有可能的切割中找到使得L
T
(j,z)最大的解，即是此时A对应的最优切割解(j,z)；S23、当每个单元格最终包含的点数少于设定数目时，单个树的构建将停止；其中，第i棵树求得的回归方程如公式(2)所示：其中，表示用于构建该树的子数据集，A
t
是与X
t
对应的超矩形单元格；将构建的k棵树得到的结果取平均值得到最终的结果，如公式(3)所示：S24、以当前时间t作为分割点，下一个时刻的对水速度v*t+1通过步骤S22和步骤S23描述的方法确定；将v*t+1作为下一次预测的输入特征值，重新输入到构建的模型中；经过多次循环迭代，获取更长时间后的船舶对水速度；具体迭代过程如公式(4)所示：
其中，v*t表示t时刻对应的船舶对水速度预测值。2.根据权利要求1所述的一种基于结合时序随机森林的短期船舶航速预测方法，其特征在于：所述步骤S1还包括以下步骤：S11、通过船载自动识别系统获取船舶历史航行数据，通过海洋气象预报获取对应航行时间的天气、海况数据；S12、由于步骤S11中获取的数据包括船舶的多个航次，因此通过船...

【专利技术属性】
技术研发人员：王怡洋，郭雨寒，王军，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：