一种基于联邦学习的多船互通的能耗预测方法及系统

本发明涉及能耗数据处理与预测技术领域，公开了一种基于联邦学习的多船互通的能耗预测方法及系统，包括：收集船舶的能耗数据，对数据进行预处理；构建数学模型进行联邦学习，对模型进行初始化处理；使用聚合服务器聚合各用户的梯度做全局训练，更新模型参数；将全局能耗模型的参数反馈更新本地模型，达到全局模型收敛后，将模型应用于能耗预测。本发明的有益效果：基于联邦学习的方法可以在不共享原始数据的情况下进行模型训练，从而更好地保护数据隐私。基于联邦学习的方法可以通过加密技术保障数据传输的安全性。减少通信开销：由于联邦学习是在本地设备上进行训练，只有模型参数会传输到中央服务器，因此可以减少通信开销。