基于机器学习与营运数据的大型客渡船燃油消耗预测：一项比较研究
机器学习
2023-10-25 v2 系统与控制
系统与控制
摘要
随着环保运输重要性的提升，为船舶运营提供高效方法至关重要。考虑气象条件并利用船舶营运数据进行状态监测与预测的方法，需要准确且完整的模型来预测船舶的能源效率。这些模型需要有效地实时处理所有运营数据。本文提出可使用从一艘客船收集的营运数据预测燃油消耗的模型。采用统计与领域知识方法为模型选取恰当输入变量。这些方法在提供实际适用性的同时，防止过拟合、数据缺失与多重共线性。所研究的预测模型包括多元线性回归（MLR）、决策树方法（DT）、人工神经网络（ANN）以及集成方法。预测性能最佳的是使用XGboost技术（一种提升集成方法）开发的模型。\rvv{我们的代码可在GitHub上于 \url{https://github.com/pagand/model_optimze_vessel/tree/OE} 获取，以供未来研究。
引用
@article{arxiv.2310.13123,
title = {Fuel Consumption Prediction for a Passenger Ferry using Machine Learning and In-service Data: A Comparative Study},
author = {Pedram Agand and Allison Kennedy and Trevor Harris and Chanwoo Bae and Mo Chen and Edward J Park},
journal= {arXiv preprint arXiv:2310.13123},
year = {2023}
}
备注
20 pages, 11 figures, 7 tables