公开(公告)号：CN118170822A

公开(公告)日：2024-06-11

申请号：CN202410273851.7

申请日：2024-03-11

Applicant: 大连海事大学

Inventor： 黄连忠 ,  兰田 ,  马冉祺 ,  王凯 ,  阮章 ,  张瑞

IPC: G06F16/2458 ,  G06F16/215 ,  G06F16/9035 ,  G06Q10/04 ,  G06Q50/06 ,  G06N20/00

Abstract: 本发明公开了一种风翼助航船舶多源能效信息挖掘方法，所述方法包括以下步骤：根据风翼助航船舶多源能效数据设置船舶油耗的标签数据与特征数据，并存储至智能船舶能效数据库；对智能船舶能效数据库的能效数据进行数据筛选与高维特征筛选，以优化智能船舶能效数据库的能效数据；对优化后的智能船舶能效数据库的能效数据进行置换重要性分析，以获取最优的风翼助航船舶多源能效数据。本发明解决了由于影响风翼助航船舶运行能效的直接与间接参数非常繁多，无法直接分析能效与对应变量的作用关联获取精准可靠的能效信息而提供准确的特征关联与影响程度剖释，不能促进风翼助航船舶能效管理与风翼助推技术大范围应用以及船舶能效水平提升的问题。

公开(公告)号：CN118536078A

公开(公告)日：2024-08-23

申请号：CN202410610898.8

申请日：2024-05-16

Applicant: 大连海事大学

Inventor： 马冉祺 ,  李岱泽 ,  阮章 ,  乔振兴 ,  王凯 ,  李家彤 ,  秦军杰 ,  黄连忠

IPC: G06F18/27 ,  B63H21/20 ,  B63H9/00 ,  G06F18/2113 ,  G06F18/213 ,  G06F18/21 ,  G06N20/20 ,  G06N20/00 ,  G06N5/045

Abstract: 本发明公开了一种基于多灰箱模型融合的风翼助航船舶油耗预测方法，包括：获取风翼‑柴油机混合动力船舶运行数据和船舶设计参数，进行预处理，得到初始特征集；对初始特征集进行特征工程处理，得到特征集；根据船舶设计参数构建船舶油耗白箱模型，得到初步船舶油耗；根据初步船舶油耗、特征集和船舶实际油耗值使用多种不同的机器学习算法搭建不同的灰箱模型，进行评估得到最优的几种灰箱模型；将几种灰箱模型通过Stacking融合算法进行融合，得到船舶油耗预测模型；对船舶油耗预测模型使用贝叶斯优化进行优化，得到优化后的船舶油耗预测模型；使用此模型，能够实现在复杂海况下对风翼‑柴油机混合动力船舶在不同风翼工况下油耗的准确预测。

公开(公告)号：CN118153750A

公开(公告)日：2024-06-07

申请号：CN202410273860.6

申请日：2024-03-11

Applicant: 大连海事大学

Inventor： 黄连忠 ,  兰田 ,  马冉祺 ,  王凯 ,  阮章 ,  张瑞

IPC: G06Q10/04 ,  G06Q50/40 ,  G06F18/15 ,  G06F18/214 ,  G06N20/20

Abstract: 本发明公开了一种基于元学习增强的风翼助航船舶油耗预测方法，所述方法包括以下步骤：将根据时变因素多源能效数据设置标签数据与特征数据存储至智能船舶能效数据库；对智能船舶能效数据库的能效数据预处理获取风翼助航船舶数据集，对构建的油耗预测算法模型进行训练与评估获取优化油耗预测算法模型；基于基学习策略与元学习策略构建基于元学习器增强的混合集成模型并训练，以用于风翼助航船舶油耗的预测。本发明解决了对于风翼助航船舶，由于风速/向等时变因素对燃油消耗的影响作用更为复杂，高维细粒度大数据场景更为普遍，使得增加了油耗系统模型的训练与计算量，进而降低了油耗模型的运算速度、预测精度与泛化能力的问题。