基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

基于组合赋权与TOPSIS的极地探险娱乐设备选型

针对极地冲锋舟的选型要考虑多种因素、主观判断难以得出最优方案的问题,提出了基于组合赋权与优劣解距离法(TOPSIS)的设备选型方案.该方法通过组合赋权的方式实现对评价指标的赋权:首先根据相关的极地法规、法案及船级社的要求,建立了包含设备性能、经济性、携带便利性和顾客体验指标4个方面的选型指标体系;然后运用决策试验与评价实验室(DEMATEL)主观赋权法与熵权法(EWM)客观赋权法相结合的方式对指标体系进行组合赋权;最后采用TOPSIS计算备选方案与理想方案的相对接近度.计算结果表明:该方法降低了设备选型的盲目程度,即决策者在设备选型的过程中能够选出符合需求的最优方案,对极地探险娱乐设备的选型具有一定的指导意义.