龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉理工大学
摘要：本发明公开了一种结合机理模型和数据驱动模型预测船舶油耗的方法，包括以下步骤：采集船舶的历史营运数据；根据船舶基本参数和历史营运数据建立机理油耗预测模型；根据神经网络算法建立数据驱动油耗预测模型，并导入历史营运数据进行训练和测试；将历史营运数据导入机理油耗预测模型和驱动油耗预测模型中，生成油耗预测值；对于油耗预测值，计算绝对误差并排序；根据排序结果，进行分类，生成分类标签；根据测试集中的输入参数和分类标签作为数据集，进行训练，生成分类预测模型；对各油耗预测模型预测得到的油耗预测值进行加权，得到最终油耗预测值。本发明提高了预测准确性，增强了模型鲁棒性，实现了工况适应性和灵活性。
主权项：1.一种结合机理模型和数据驱动模型预测船舶油耗的方法，其特征在于，包括以下步骤：采集船舶的历史营运数据，以一定比例将历史营运数据划分为训练集和测试集；历史营运数据至少包括对水航速、船舶载重、船舶吃水、航道水深、浪高、风向角、相对风速和船舶油耗；根据船舶基本参数和历史营运数据中的训练集建立机理油耗预测模型，以对水航速、船舶载重、船舶吃水、航道水深、浪高、风向角、相对风速作为输入参数，以船舶油耗作为输出参数；根据神经网络算法建立数据驱动油耗预测模型，并导入历史营运数据进行训练和测试；将历史营运数据测试集中的多组输入参数导入机理油耗预测模型和驱动油耗预测模型中，各自生成多组油耗预测值；对于各油耗预测值，计算其与历史营运数据测试集中船舶消耗之间的绝对误差，并根据大小对各油耗预测值与历史营运数据测试集中船舶消耗之间的绝对误差进行排序；根据排序的结果，按照预设分类标准对各输入参数对应的输入工况进行分类，生成各输入参数对应的输入工况的分类标签；将测试集中的输入参数和分类标签作为数据集，通过粒子群算法优化的随机森林算法进行训练，生成用于预测对各输入参数对应的输入工况进行预测时绝对误差最小和最大的油耗预测模型的分类预测模型；根据分类预测模型对输入参数确定绝对误差最小和最大的油耗预测模型，并对各油耗预测模型预测得到的油耗预测值进行加权，得到最终油耗预测值。
全文数据：
权利要求：
百度查询： 武汉理工大学 一种结合机理模型和数据驱动模型预测船舶油耗的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号