详情

原文传递一种船舶油耗预测模型的构建方法

专利名称：	一种船舶油耗预测模型的构建方法
摘要：	本发明提供的一种船舶油耗预测模型的构建方法，所述构建方法包括：收集船舶数据；确定BP神经网络的结构；处理所述船舶数据；训练所述BP神经网络；将测试集数据输入到所述BP神经网络的输入层中，进行预测结果的评估。提升了船舶的预测能力和可靠性。
专利类型：	发明专利
国家地区组织代码：	广西;45
申请人：	北部湾大学
发明人：	蒙宁佳;唐维平;蒙占彬;蒙宁安;申康;谢积锦;庄远;谭开元
专利状态：	有效
申请日期：	2023-07-31T00:00:00+0800
发布日期：	2023-11-07T00:00:00+0800
申请号：	CN202310950505.3
公开号：	CN117010472A
代理机构：	北京世誉鑫诚专利代理有限公司
代理人：	孙国栋
分类号：	G06N3/084;G06F30/27;G06F30/15;G06F18/214;G06F18/21;G;G06;G06N;G06F;G06N3;G06F30;G06F18;G06N3/084;G06F30/27;G06F30/15;G06F18/214;G06F18/21
申请人地址：	535011 广西壮族自治区钦州市滨海新城滨海大道12号
主权项：	1.一种船舶油耗预测模型的构建方法，其特征在于，所述构建方法包括：收集船舶数据；确定BP神经网络的结构；处理所述船舶数据；训练所述BP神经网络；将测试集数据输入到所述BP神经网络的输入层中，进行预测结果的评估。 2.根据权利要求1所述的一种船舶油耗预测模型的构建方法，其特征在于，所述收集船舶数据具体包括：收集并整理船舶的运营数据；数据分为两类，一类是稳态数据，另一类是非稳态数据；对所述非稳态数据进行数据归一化处理，并与所述稳态数据结合起来进行分析。 3.根据权利要求2所述的一种船舶油耗预测模型的构建方法，其特征在于，所述稳态数据包括：主机功率、船速、船舶吃水、航向、海况、风速、温度、湿度、海拔高度、水深、涡流； 4.根据权利要求2所述的一种船舶油耗预测模型的构建方法，其特征在于，所述非稳态数据包括：船舶装载量、货物种类、船舶类型和行驶状态。 5.根据权利要求1所述的一种船舶油耗预测模型的构建方法，其特征在于，所述确定BP神经网络的结构具体包括：所述BP神经网络是一种应用于数据分析和模型预测的人工神经网络；确定BP神经网络的结构，包括输入层、隐含层和输出层的节点数，以及各层之间的连接矩阵；通过试验和模拟，确定最优的神经网络架构。 6.根据权利要求1所述的一种船舶油耗预测模型的构建方法，其特征在于，所述处理所述船舶数据具体包括：将收集到的数据分为训练集、验证集和测试集三部分，按比例划分数据集；训练集数据量要大于测试集数据量，按照7:3的比例进行划分；进行数据预处理。 7.根据权利要求6所述的一种船舶油耗预测模型的构建方法，其特征在于，所述数据预处理包括数据清理，数据标准化，数据变量选择。 8.根据权利要求1所述的一种船舶油耗预测模型的构建方法，其特征在于，所述训练所述BP神经网络具体包括：采用梯度下降法或共轭梯度法训练BP神经网络；训练过程为根据误差反向传播算法和梯度下降法，对神经网络的各层之间的权值进行调整，优化网络模型，得到预测模型。 9.根据权利要求1所述的一种船舶油耗预测模型的构建方法，其特征在于，所述BP神经网络停机准则训练方法包括：初始化处理数据；给定输入向量和输出向量；计算目标输出与网络输出误差；计算误差梯度；权值更新；求验证误差；判断所述验证误差的趋势，如果上升，停止学习；如果下降，返回给定输入向量和输出向量。 10.根据权利要求1所述的一种船舶油耗预测模型的构建方法，其特征在于，所述将测试集数据输入到所述BP神经网络的输入层中，进行预测结果的评估具体包括：将测试集数据输入到BP神经网络的输入层中，进行预测结果的评估；预测结果和实际结果进行比较，通过误差分析和精度分析，评估模型的预测能力和准确性。
所属类别：	发明专利