一种基于机器学习识别船舶工况以提升船舶碳污排放量估算精度的方法技术

本发明专利技术公开了一种基于机器学习识别船舶工况以提升船舶碳污排放量估算精度的方法，包括：S1:根据船舶航行报告所记录的信息标注对应时间下AIS轨迹点的船舶工况；S2:根据领域知识法提出12个与船舶工况相关的特征变量；S3:采用渐进式消融特征选择与随机森林模型结合的方法筛选出重要的特征变量；S4:通过对比传统工况识别算法，评估随机森林模型对AIS轨迹点工况识别性能的改进；S5:通过对比船舶主机和副机的实测NOx排放量，验证基于随机森林模型识别工况的方法对船舶排放量估算精度的提升。升。升。

【技术实现步骤摘要】
一种基于机器学习识别船舶工况以提升船舶碳污排放量估算精度的方法


[0001]本专利技术涉及船舶碳污排放量估算领域，具体涉及一种基于机器学习识别船舶工况以提升船舶碳污排放量估算精度的方法。

技术介绍

[0002]船舶的主机、辅机和锅炉是主要的废气排放源，分别占全球航运CO2排放量的67％、22％和10％。这些设备的工作状态决定了船舶的碳污排放量，但收集整个船队设备的工作状态成本高且效率低。发动机和锅炉的工作状态随船舶的工况而变化，如巡航、机动、锚泊和停泊。因此，有必要建立准确的工况识别方法，以提高船舶碳污排放估算精度。
[0003]目前的船舶工况识别算法考虑船舶主机负荷、对地航速和位置等因素。然而，这些方法的识别结果依赖于所设定的阈值，可能无法将船舶静止前的减速和静止后的加速过程识别为机动工况，因此低估该工况下的排放量。由于AIS数据包含丰富的船舶运动信息，机器学习模型通过从AIS轨迹中学习船舶的运动特征和地理特征，可以有效地对船舶工况进行分类。船舶工况可由多因素表征，然而，目前基于机器学习的船舶工况识别研究中考虑因素有限，难以保证模型结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升船舶碳污排放量估算精度的方法，其特征在于，包括以下步骤：根据船舶航行报告所记录的信息标注对应时间下AIS轨迹点的船舶工况；根据领域知识法提出12个与船舶工况相关的特征变量；采用渐进式消融特征选择与随机森林模型结合的方法筛选出重要特征变量；通过对比传统工况识别算法，评估随机森林模型对AIS轨迹点工况识别性能的改进细节；通过对比船舶主机和副机的实测NOx排放量，验证基于随机森林模型识别工况的方法对船舶排放量估算精度的提升。2.根据权利要求1所述的一种提升船舶碳污排放量估算精度的方法，其特征在于：根据航行报告所记录的信息，将对应时间下船舶AIS轨迹点分别标注为巡航、机动、锚泊和停泊，得到船舶工况数据集，其中船舶工况数据集按照7:3的比例划分为训练集和测试集。3.根据权利要求1所述的一种提升船舶碳污排放量估算精度的方法，其特征在于：根据船舶自动识别系统AIS数据所提供的信息进行特征选择；其中选择的特征包括船舶位置、船首向、航迹向和对地航速；根据AIS数据提供的信息挖掘与船舶工况相关的特征；其中选择的特征包括对地航速方差、对地航速差、距离差、船首向差的方差、离岸距离、时间间隔、航迹向变化率和对地航速变化率；对上述全部特征进行归一化处理，控制特征变量数据分布在[0,1]之间。4...

【专利技术属性】
技术研发人员：李清波，段奎全，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：