摘要
本发明公开了一种结合机理模型和数据驱动模型预测船舶油耗的方法,包括以下步骤:采集船舶的历史营运数据;根据船舶基本参数和历史营运数据建立机理油耗预测模型;根据神经网络算法建立数据驱动油耗预测模型,并导入历史营运数据进行训练和测试;将历史营运数据导入机理油耗预测模型和驱动油耗预测模型中,生成油耗预测值;对于油耗预测值,计算绝对误差并排序;根据排序结果,进行分类,生成分类标签;根据测试集中的输入参数和分类标签作为数据集,进行训练,生成分类预测模型;对各油耗预测模型预测得到的油耗预测值进行加权,得到最终油耗预测值。本发明提高了预测准确性,增强了模型鲁棒性,实现了工况适应性和灵活性。
技术关键词
BP神经网络回归模型
数据驱动模型
随机森林
分类预测模型
标签
BP神经网络模型
训练集数据
参数
神经网络算法
船舶载重
建模方法
油耗预测方法
粒子群算法优化
功率
遗传算法优化
主机
系统为您推荐了相关专利信息
视觉特征
运动学特征
机器人运动学
手术工具
样本
有效性评估方法
机器学习模型训练
朴素贝叶斯模型
支持向量机模型
逻辑回归模型