【技术实现步骤摘要】
本专利技术涉及船舶，尤其涉及一种基于轻量化模型的船舶能耗预测方法。
技术介绍
1、船舶能耗预测是航运行业的关键技术之一。随着技术的进步，多种模型和方法被提出来预测船舶的能耗。在这方面，神经网络模型已经被广泛应用。目前采用神经网络模型进行船舶耗能预测时，通常采集大量的特征并采用深度神经网络模型进行模型训练，这就需要非常高的计算能力，在船端计算资源有限时，训练效率低，不便于使用。
技术实现思路
1、鉴于上述的分析，本专利技术实施例旨在提供一种基于轻量化模型的船舶能耗预测方法，用以解决现有能耗预测模型训练效率低的问题。
2、一方面，本专利技术实施例提供了一种基于轻量化模型的船舶能耗预测方法，包括以下步骤：
3、获取历史航行数据，基于历史航行数据构建训练样本集；所述航行数据包括气象数据、操控数据和能耗数据；
4、构建轻量化卷积神经网络模型，基于所述训练样本集训练轻量化卷积神经网络模型得到目标船舶的能耗预测模型；
5、将目标船舶待预测时刻的气象数据和操...
【技术保护点】
1.一种基于轻量化模型的船舶能耗预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于轻量化模型的船舶能耗预测方法，其特征在于，所述轻量化卷积神经网络模型包括：
3.根据权利要求2所述的基于轻量化模型的船舶能耗预测方法，其特征在于，所述能耗数据包括主机转速、主机油耗和主机功率；所述回归层包括3个回归目标。
4.根据权利要求3所述的基于轻量化模型的船舶能耗预测方法，其特征在于，采用以下公式计算轻量化卷积神经网络模型的损失：
5.根据权利要求1所述的基于轻量化模型的船舶能耗预测方法，其特征在于，获取历史航行数据，...
【技术特征摘要】
1.一种基于轻量化模型的船舶能耗预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于轻量化模型的船舶能耗预测方法，其特征在于，所述轻量化卷积神经网络模型包括：
3.根据权利要求2所述的基于轻量化模型的船舶能耗预测方法，其特征在于，所述能耗数据包括主机转速、主机油耗和主机功率；所述回归层包括3个回归目标。
4.根据权利要求3所述的基于轻量化模型的船舶能耗预测方法，其特征在于，采用以下公式计算轻量化卷积神经网络模型的损失：
5.根据权利要求1所述的基于轻量化模型的船舶能耗预测方法，其特征在于，获取历史航行数据，基于历史航行数据构建训练样本集，包括：
6.根据权利要求5所述的基于轻量化模型的船舶能耗预测方法，其特征在于，对于...
【专利技术属性】
技术研发人员：邱伯华，魏穆恒，殷耀亮，刘学良，张雷，于彩峰，
申请(专利权)人：震兑工业智能科技有限公司，
类型：发明
国别省市：
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。