一种基于机器学习耦合海洋预报模型的船舶航速优化方法

本发明具体公开了一种基于机器学习耦合海洋预报模型的船舶航速优化方法，涉及船舶运输技术领域。该方法通过数据采集获取船舶的船型、装载量、吃水深度和航线信息等基本参数，利用图卷积‑门控循环单元GC‑GRU和卷积‑长短时记忆网络CNN‑LSTM构建海洋预报模型生成未来72小时时空网格预报数据，结合燃料消耗模型计算不同航速油耗，基于遗传优化算法在时间与速度限制下优化各航段航速，并根据实际海况实时更新预报数据动态调整后续航速。本方法实现了船舶燃油消耗最小化，相比实际航行可降低约8％燃油消耗，提升运营效率与环保性能，适用于远洋复杂海洋环境下的航速优化。