基于机器学习的浮动资产运动响应预测应用
机器学习
2025-06-23 v1 数据分析、统计与概率
流体动力学
摘要
浮动 offshore 资产在随机海况条件下的实时预测，仍是海上工程中的重大挑战。虽然传统的经验方法和频域方法在良好条件下表现良好，但在极端海况和非线性响应方面仍面临困难。本研究提出一种基于监督机器学习的方法，使用多变量回归预测400米水深悬停船舶的非线性运动响应。我们开发的机器学习工作流程将梯度提升集成方法与自定义被动风向标求解器结合，在约10^6个样本和100个特征上进行训练。该模型在关键锚索参数和船舶指向准确率方面的平均预测误差均小于5%，在多种海况条件下船舶指向准确率达到2.5度，显著优于传统频域方法。该框架已成功部署于实际设施，证明其在海上环境中实时船舶监测和运营决策方面的有效性。
引用
@article{arxiv.2506.15713,
title = {An application of machine learning to the motion response prediction of floating assets},
author = {Michael T. M. B. Morris-Thomas and Marius Martens},
journal= {arXiv preprint arXiv:2506.15713},
year = {2025}
}
备注
17 pages, 6 figures