基于物理引导神经网络的船舶轴功预测
机器学习
2026-03-17 v1
摘要
优化海事运营，特别是船舶燃料消耗，对于全球贸易至关重要，因为燃料消耗在全球贸易中占有重要比重。预测船舶轴功是关键问题，需仔细考虑以最小化成本和排放。传统方法采用经验公式，往往难以建模动态条件，如海况或船舶污垢。本文提出一种混合、物理引导神经网络方法，利用经验公式嵌入网络，结合神经网络和传统技术的优势。我们使用来自四艘相似尺寸货船的数据评估所述方法，并与基线神经网络和采用经验公式的传统方法进行比较。实验结果表明，物理引导神经网络方法在所有测试船舶上均实现了更低的平均绝对误差、均方根误差和平均绝对百分比误差。
引用
@article{arxiv.2512.20348,
title = {Physics-guided Neural Network-based Shaft Power Prediction for Vessels},
author = {Dogan Altan and Hamza Haruna Mohammed and Glenn Terje Lines and Dusica Marijan and Arnbjørn Maressa},
journal= {arXiv preprint arXiv:2512.20348},
year = {2026}
}
备注
This work has been accepted for publication in the 11th Special Session on Intelligent Data Mining at IEEE BigData 2025. The final published version of this work will be available through IEEE