摘要
本发明属于船舶能效优化技术领域,特别涉及一种面向船舶温室气体减排的船舶能效优化方法,包括:收集航行中船舶的航行参数,并将航行参数按照时间排序;构建基于长短时记忆的循环神经网络,并对循环神经网络进行训练挖掘船舶航行特征;在所述循环神经网络基础上引入基于Multi‑head的注意力机制,并采用收集的航行参数进行训练,在训练过程中使用梯度标准化的方法优化多任务Loss分配。本发明针对航运降碳过程中缺少科学性策略的问题,提出基于多航行参数融合多任务学习的航运能效优化新思路,利用LSTM网络对多种航行参数的特征进行提取和融合,分析船舶航行态势与船舶碳排放的关系,实现船舶温室气体减排以及绿色航行的智能优化。
技术关键词
能效优化方法
气体减排
船舶
学习深度神经网络
注意力机制
温室
参数
减排策略
多任务学习网络
能效优化技术
融合多任务
序列
主机
预测类别
网络优化
线性
速度
变量
系统为您推荐了相关专利信息
故障诊断模型
信息融合诊断
船舶系统
多源信息融合
故障诊断方法
重构方法
信号
噪声特征
融合注意力机制
评估预测模型
偏心辊式破碎机
矿石
振动加速度信号
主轴支撑架
识别方法
遥感影像数据
语义分割模型
遥感识别方法
注意力机制
子模块
表面缺陷检测系统
图像采集装置
模块
图像增强单元
轨道