基于传感器数据的船舶主机油耗预测分析

以某远洋油船主机为研究对象,基于斯皮尔曼相关性分析和随机森林特征重要性评估的特征选择方法,设计特征参数由多到少的L、M、S等3个建模特征数据集,利用岭(Ridge)回归方法、人工神经网络(ANN)和梯度提升回归树(GBRT)方法构建船舶主机油耗预测研究。研究结果表明:以特征最少的数据集构建的GBRT预测模型具有不逊色于其他2个特征集的性能表现。所提出的特征选择方法能够在有效平衡模型复杂度与预测准确性的基础上,筛选出对目标影响最大的主机排烟出口压力、涡轮增压器转速和主机扫气压力等少数特征参数,从而有效降低船端与岸端的数据传输成本,为数字孪生技术在船舶上的应用提供支撑。