使用机器学习的船舶性能监测
机器学习
2022-12-14 v2 机器学习
摘要
由于海洋污损和防污漆系统状况等因素，海上船舶的流体动力性能在其寿命期内会发生变化。为了准确估算计划航次的功率需求和燃料消耗，评估船舶的流体动力性能十分重要。当前工作使用机器学习（ML）方法，利用船上记录的使用数据估算船舶的流体动力性能。使用来自两艘姊妹船的数据对三种ML方法（NL-PCR、NL-PLSR和概率ANN）进行校准。校准后的模型用于提取船舶流体动力性能随时间的变化趋势，并预测经过若干次螺旋桨和船体清洁事件后的性能变化。预测的性能变化与使用污损摩擦系数（）估算的相应值进行比较。研究发现ML方法在建模船舶流体动力状态变量时表现良好，其中概率ANN模型表现最佳，但NL-PCR和NL-PLSR的结果也不逊色太多，表明借助领域知识有可能使用简单方法解决此类问题。
引用
@article{arxiv.2110.03594,
title = {Ship Performance Monitoring using Machine-learning},
author = {Prateek Gupta and Adil Rasheed and Sverre Steen},
journal= {arXiv preprint arXiv:2110.03594},
year = {2022}
}