[发明专利]一种基于机器学习的集装箱船纵倾优化方法

说明书

本发明公开一种基于机器学习的集装箱船纵倾优化方法，包括以下步骤：基于集装箱船模纵倾优化阻力实验数据，建立集装箱船纵倾优化阻力数据库；将数据库分为训练集、测试集和验证集；构建四种不同的机器学习模型，利用数据库分别对四种不同机器学习模型进行训练，得到四种不同的机器学习模型最优参数；采用预测模型评价指标对四种不同的机器学习模型进行比较，选择最优性能的机器学习模型作为集装箱船最佳纵倾预测模型；利用集装箱船最佳纵倾预测模型进行集装箱船纵倾预测，得到集装箱船的最佳纵倾。有益效果是：只需给定集装箱船相关特征数据，即可预测集装箱船在变纵倾状态下的阻力大小，并且找到集装箱船所受阻力最小对应的纵倾状态，简单高效。

技术领域

本发明涉及绿色船舶领域，尤其涉及一种基于机器学习的集装箱船纵倾优化方法。

背景技术

目前对于已经运营的船舶，IMO船舶能效管理计划给出了以下几种节能方法：保持船体和螺旋桨完整避免损伤、使用较低的经济航速、调节主机和螺旋桨、以最佳纵倾角度航行等。IMO将船舶最佳纵倾节能技术确定为实用的节能技术。与其它船舶节能技术相比，船舶最佳纵倾技术不需要对船舶结构做改动，只须通过合理配载，调整船舶首部吃水和尾部吃水，就可实现船舶减阻，达到节能减排的效果。对于运营中的船舶来说，该技术为船东缓解节能减排的压力同时，又避免了船舶型线改造或设备改动带来经济上的损失。

关于船舶最佳纵倾的研究多见于对船舶纵倾优化技术的介绍，通过特定船模试验研究纵倾角与船舶所受阻力关系，运用数值计算的方法开展船舶纵倾优化工作。目前的最佳纵倾研究工作需要针对特定的某种船型开展船模试验和数值计算，所得到的结果不适用于其他船型，对于新的船型需重新开展船模试验与数值计算，这种模式工作量大，难以推广。

发明内容

为了解决以上技术问题，针对以上的需求，提出一种基于机器学习的集装箱船纵倾优化方法，将具有强大预测能力的机器学习与船舶纵倾优化相结合，只需给定集装箱船相关特征数据，即可预测集装箱船在变纵倾状态下的阻力大小，并且找到集装箱船所受阻力最小对应的纵倾状态。

为了实现上述目的，本申请提供了一种集装箱船阻力预测模型的建立方法，包括以下步骤：

S1：基于集装箱船模纵倾优化阻力实验数据，建立集装箱船纵倾优化阻力数据库；

S2：将数据库分为训练集、测试集和验证集；

S3：构建四种不同的机器学习模型，利用所述训练集、测试集和验证集分别对四种不同机器学习模型进行训练，得到四种不同的具有最优参数组合的机器学习模型；

S4：采用预测模型评价指标对四种不同的机器学习模型进行比较，选择最优性能的机器学习模型作为集装箱船最佳纵倾预测模型；

S5：利用集装箱船最佳纵倾预测模型进行集装箱船纵倾预测，得到船舶的最佳纵倾。

进一步地，步骤S1中所述集装箱船模纵倾优化阻力实验数据，通过集装箱船模在不同吃水、不同航速、不同纵倾角度下的阻力实验得到。

进一步地，所述集装箱船模纵倾优化阻力实验数据，包括：纵倾角度、傅汝德数、船模剩余阻力系数、船艏吃水与艉吃水和船型宽。

进一步地，步骤S3中，所述四种不同的机器学习模型包括：BP神经网络、随机森林、决策树和KNN。

进一步地，步骤S4中，所述预测模型评价指标包括：平均绝对百分比误差MAPE、决定系数R²和均方误差MSE。

进一步地，步骤S5的具体过程如下：

S51：获取集装箱船在任一运营状态下的状态数据，包括：纵倾角度、傅汝德数、船艏吃水与艉吃水、船型宽；

S52：将状态数据输入至集装箱船最佳纵倾预测模型，得到集装箱船剩余阻力系数的预测值。