| 基于随机森林算法的内河船舶油耗预测模型 |
| |
| 引用本文： | 牟小辉, 袁裕鹏, 严新平, 赵光普. 基于随机森林算法的内河船舶油耗预测模型[J]. 交通信息与安全, 2017, 35(4): 100-105. doi: 10.3963/j.issn.1674-4861.2017.04.013 |
| |
| 作者姓名： | 牟小辉 袁裕鹏 严新平 赵光普 |
| |
| 作者单位： | 武汉理工大学国家水运安全工程技术研究中心 武汉 430063;武汉理工大学能源与动力工程学院可靠性工程研究所 武汉 430063;武汉理工大学船舶动力工程技术交通行业重点实验室 武汉 430063;;武汉理工大学国家水运安全工程技术研究中心 武汉 430063;武汉理工大学能源与动力工程学院可靠性工程研究所 武汉 430063;武汉理工大学船舶动力工程技术交通行业重点实验室 武汉 430063;;武汉理工大学国家水运安全工程技术研究中心 武汉 430063;武汉理工大学能源与动力工程学院可靠性工程研究所 武汉 430063;武汉理工大学船舶动力工程技术交通行业重点实验室 武汉 430063;;武汉理工大学国家水运安全工程技术研究中心 武汉 430063;武汉理工大学能源与动力工程学院可靠性工程研究所 武汉 430063;武汉理工大学船舶动力工程技术交通行业重点实验室 武汉 430063 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 交通安全 内河船舶 油耗预测模型 随机森林算法 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《交通信息与安全》浏览原始摘要信息 |
|
点击此处可从《交通信息与安全》下载免费的PDF全文 |
|
