公开(公告)号：CN118643277B

公开(公告)日：2024-11-01

申请号：CN202411117053.1

申请日：2024-08-15

Applicant: 大连海事大学

Inventor： 韩美玲 ,  杨嘉乐 ,  何子文 ,  闫茂佳 ,  李成毅 ,  郭壮

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/2413 ,  G06F18/2411 ,  G06F18/243 ,  G06N20/20

Abstract: 本发明提供一种基于stacking集成学习的船舶油耗预测与速度优化方法，包括如下步骤：对油耗数据和影响油耗相关因素的数据进行预处理，基于预处理后的数据按照比例划分为训练数据和测试数据；构建stacking集成学习模型，用于船舶油耗的预测；将处理后的影响油耗相关因素数据输入到stacking集成学习模型中，实现对船舶油耗的预测；对stacking集成学习模型的预测结果进行评估；建立以船舶速度为决策变量，以船舶油耗最小为目标的船舶速度优化模型；对船舶速度优化模型进行离散化；基于船舶速度优化模型的约束，对离散后的船舶速度优化模型进行求解，确定不同航段最优的船舶速度，以及不同航段最优的船舶速度的船舶油耗，确定油耗节省量。

公开(公告)号：CN118643277A

公开(公告)日：2024-09-13

申请号：CN202411117053.1

申请日：2024-08-15

Applicant: 大连海事大学

Inventor： 韩美玲 ,  杨嘉乐 ,  何子文 ,  闫茂佳 ,  李成毅 ,  郭壮

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/2413 ,  G06F18/2411 ,  G06F18/243 ,  G06N20/20

Abstract: 本发明提供一种基于stacking集成学习的船舶油耗预测与速度优化方法，包括如下步骤：对油耗数据和影响油耗相关因素的数据进行预处理，基于预处理后的数据按照比例划分为训练数据和测试数据；构建stacking集成学习模型，用于船舶油耗的预测；将处理后的影响油耗相关因素数据输入到stacking集成学习模型中，实现对船舶油耗的预测；对stacking集成学习模型的预测结果进行评估；建立以船舶速度为决策变量，以船舶油耗最小为目标的船舶速度优化模型；对船舶速度优化模型进行离散化；基于船舶速度优化模型的约束，对离散后的船舶速度优化模型进行求解，确定不同航段最优的船舶速度，以及不同航段最优的船舶速度的船舶油耗，确定油耗节省量。