基于集成学习的船舶失速模型的应用方法和系统技术方案

技术编号:41593203 阅读:31 留言:0更新日期:2024-06-07 00:04
本发明专利技术涉及一种基于集成学习的船舶失速模型的应用方法和系统,涉及航海技术领域,方法包括:预先训练基于集成学习的失速模型集合;采集船舶的动力系统特征、操纵性能特征、风浪特征和洋流特征;根据相关特征的分布特征在集合中选择匹配的子集合;将前述动力系统特征、操纵性能特征、风浪特征和洋流特征输入至子集合中,得到每个失速模型输出的是否失速的预测结果。本发明专利技术人利用数据维度和样本分布的匹配性,提高了预测的准确性。

【技术实现步骤摘要】

本专利技术涉及船舶,尤其涉及一种基于集成学习的船舶失速模型的应用方法和系统


技术介绍

1、船舶失速模型是用于描述船舶在不同情况下可能发生失速的理论模型。这种模型通常结合了船舶的动力学特性、环境条件以及各种潜在故障因素,以预测和分析船舶失速的可能性和影响。

2、现有的船舶失速模型包括动力系统模型,天气、海况等环境因素和船舶操纵模型来构成,船舶失速模型的建立有助于船舶设计、航行规划以及应对突发情况时的应急处置。通过模拟不同情景下的船舶行为,可以帮助船长和船员更好地了解失速可能性,并制定相应的应对策略,提高船舶的安全性和稳定性。

3、目前大多是在仿真环境下构建船舶失速模型来预测是否会发生失速现象以及失速值(即相较于平静海面,船舶失速状态下航行速度的降低值),但是仿真模型具有一定误差,不可能准确模拟天气、海况等情况,而且经过实践发现,仿真结果与现实的失速值也有一定偏差。

4、随着基于大数据的人工智能模型的发展,可以从众多数据中找到影响结果的关键因素,并加以利用。本申请也尝试利用人工智能模型来解决船舶失速预测准确性欠佳的问题。<本文档来自技高网...

【技术保护点】

1.一种基于集成学习的船舶失速模型的应用方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述建立验证组中的样本特征的分布特征与正确模型的对应关系,包括:

3.根据权利要求1所述的方法,其特征在于,所述正确模型为预测正确且置信度大于设定值的模型。

4.根据权利要求1所述的方法,其特征在于,所述多个船舶失速模型包括:提升回归模型、神经网络回归模型、线性回归模型和随机森林回归模型。

5.根据权利要求1所述的方法,其特征在于,所述根据多个预测结果判断最终预测结果,包括:

6.一种基于集成学习的失速预测模型的应用系统,...

【技术特征摘要】

1.一种基于集成学习的船舶失速模型的应用方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述建立验证组中的样本特征的分布特征与正确模型的对应关系,包括:

3.根据权利要求1所述的方法,其特征在于,所述正确模型为预测正确且置信度大于设定值的模型。

4....

【专利技术属性】
技术研发人员:李昇周峥熊洁琼万茂源张子杰徐晓赵兴亚
申请(专利权)人:无锡九方科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1