基于支持向量机回归深度学习算法建立船舶油耗方法技术

本发明专利技术提供了一种基于支持向量机回归深度学习算法建立船舶油耗方法，包括以下步骤：获取船舶样本集；对数据进行数据清洗；对清洗后的数据进行船舶油耗影响因素分析及特征值影响分析；对数据进行模型训练。本发明专利技术有益效果：本发明专利技术利用支持向量机回归深度学习算法，给出数据获取、数据处理、影响因素选择及参数调整方案，进行船舶油耗数据预测。解决了油耗影响因素考虑不足导致油耗预测不准确；以及油耗影响数据量过多导致数据获取难度大、模型计算复杂等问题。同时该方法可根据数据情况选择建立某一类型船舶油耗模型或单一船舶的油耗模型，模型的可拓展性强。

【技术实现步骤摘要】

本专利技术属于船舶油耗领域，尤其是涉及一种基于支持向量机回归深度学习算法建立船舶油耗方法。

技术介绍

1、船舶油耗是航运公司重要的成本来源，随着国际燃油价格上升和国际对船舶碳排放指数的要求逐年提高，通过准确预测船舶燃油消耗，对合理规划船舶航行时间和降低航油公司的运营成本有着越来越重要的意义。

2、目前，简单的油耗预测仅通过历史的油耗和航速关系，未考虑其他因素对油耗的影响，使得模型预测误差较大；部分燃油消耗模型对历史数据精度、数据量有着严格的要求，数据获取难度大、要求高导致部分船舶建模困难，无法有效利用模型。本专利技术提出一种从ais数据中挖掘船舶历史油耗数据，利用支持向量机回归（support vector machine，svr）深度学习算法，预测船舶油耗。支持向量机回归（svr）是一种基于支持向量机（svm）的机器学习算法，能够在具体环境中根据多个因素对船舶进行分析处理，计算出每个特征变量对应的特征系数，从而选择模型计算效果最好的影响因素自动预测船舶油耗。

技术实现思路

1、有鉴于此，本专利技本文档来自技高网...

【技术保护点】

1.基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：在步骤S1中，船舶AIS数据包括船舶的静态数据、船舶动态数据和船舶航程数据，其中，船舶的静态数据包括船名、呼号、船舶类型、船长、船宽，船舶动态数据包括船舶航行过程中每个航路点的经度、纬度、船首向、航迹向、航速，船舶航程数据包括船舶状态、吃水、目的地、期望到达时间。

3.根据权利要求2所述的基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：在步骤S2中，数据清洗，包括：>

4.根据权利...

【技术特征摘要】

1.基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：在步骤s1中，船舶ais数据包括船舶的静态数据、船舶动态数据和船舶航程数据，其中，船舶的静态数据包括船名、呼号、船舶类型、船长、船宽，船舶动态数据包括船舶航行过程中每个航路点的经度、纬度、船首向、航迹向、航速，船舶航程数据包括船舶状态、吃水、目的地、期望到达时间。

3.根据权利要求2所述的基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：在步骤s2中，数据清洗，包括：

4.根据权利要求1所述的基于支持向量机回归深度学习算法建立船舶油耗方法，其特征在于：在步骤s3中，船舶油耗影响因素分析及特征值影响分析，包括：

5.根据权利要求1所述的基于支持向量机回归深度...

【专利技术属性】
技术研发人员：柯文文，玛娜卓玛，刘永成，黄满义，张永，晋哲，李峰辉，李兴国，王鹏程，
申请(专利权)人：天津云遥宇航科技有限公司，
类型：发明
国别省市：