船舶能效数据清洗方法研究

船舶能效数据清洗对于建立准确的船舶能效模型,提高船舶能效计算和分析的准确度,指导船舶节能航行具有重要意义.对船舶能效数据的故障特征进行了分析,运用阈值理论、船舶航行关联理论对故障数据进行了识别,运用插值法和灰色关联理论方法对水深、对水航速以及主机油耗数据中的异常数据进行修正,并且根据数据错误特征和数据清洗方法制定了船舶能效数据清洗流程,以内河邮轮"凯娅号"船舶上安装的船舶能效数据采集系统采集到的能效数据为研究对象,对数据清洗结果进行了分析.结果表明,水深数据修正值与实测值平均误差为1.58%,油耗数据、对水航速数据修正值与实测值平均误差为2.8%,1.5%,误差较小,能够满足后续建模以及数据挖掘等工作.      

基于随机森林算法的内河船舶油耗预测模型

准确的船舶油耗预测模型是船舶实现各项航行优化措施的基础.以长江干线某旅游船为研究对象,通过安装信息采集系统获得了大量的船舶实时营运数据.通过理论分析得出影响船舶油耗的主要因素为风速、风向、水深、水流速度和船舶航速;改进了随机森林建模时参数的设置方法,提出一种变量的重要性测度方法;对去噪处理后数据进行系统抽样并进行归一化处理,得到建模的样本数据;把样本数据按0.7∶0.3的比例随机分为训练样本和测试样本,对训练样本采用随机森林(RF)算法建立油耗预测模型;通过模型预测测试样本的油耗值,与实测数据对比,结果显示预测误差低于6.8%,优于BP神经网络与支持向量机(SVM)的预测结果;分析模型中各变量的重要性顺序为:航速>水流速度>水深>风速>风向,利用偏相关分析得到了单个因素与油耗间的定量关系.