基于人工神经网络的船舶油耗模型

针对船舶能效管理计划SEEMP的实施需求,寻求建立油耗模型的通用方法,为航行优化提供决策基础。以丹麦籍客滚轮MS Smyril号作为研究案例,对船舶实测运行数据进行了分析和预处理,并采用人工神经网络构建了船舶油耗和航速的黑箱模型。基于实测数据与模型预测数据的对比,验证了上述油耗模型的准确性和实用性,对于提高船舶能效运行指数EEOI具有重要意义。     

基于航行数据的船舶航行油耗模型建立方法

准确评估船舶的能效表现是研究船舶性能、优化船舶能效的基础。为准确评估船舶航行状态对船舶航行油耗的影响和船舶的能效表现,以某超大型散货船为研究对象,基于船舶智能能效综合管理系统获取大量船舶航行数据,通过数据处理和特征工程找出影响船舶航行油耗的因素,采用人工神经网络建立船舶航行油耗模型。采用该模型预估船舶在一段航程中的总油耗量,验证该模型在评估船舶航行状态对船舶航行油耗的影响方面的有效性。此外,采用该模型对航程和转速进行优化,验证该模型对能效优化的可行性。     

内河船用中速柴油机油耗率模型的建立

为研究柴油机的油耗率,结合内河船舶经常使用的XCW6200ZC型中速柴油机的台架试验数据,采用多项式拟合的方法对这些数据进行处理,建立柴油机推进特性下的油耗率与推进特性系数、转速之间的数学模型。运用该模型对船舶柴油机的油耗率进行计算和预测,结果表明:该模型能够较好地预测柴油机的油耗率。     

基于机器学习的船舶能耗智能预测方法验证分析

船舶能耗智能预测是实现船舶能效智能评估与优化决策的基础和前提。大数据、人工智能、机器学习等新兴技术促进了船舶能耗预测方法的不断发展,为分析不同基于机器学习的船舶能耗预测算法的预测精度与效果,进行了不同预测算法的实例验证分析。结合船舶油耗及其影响因素实船采集数据,通过采用不同机器学习算法对船舶能耗进行预测分析,验证了各算法的特点和优势,从而为选择合适的船舶能耗预测算法提供参考。     

基于GA-灰色BP神经网络船舶备件需求预测模型

船舶维修备件的及时保障是船舶设备正常生产作业的保证，备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析，构建一种基于灰色模型的多层前馈（BP）神经网络模型，并采用遗传算法（GA）进行优化。首先对船舶设备备件需求影响因素进行分析，通过灰色模型确定备件需求的关键指标，并将结果作为BP神经网络的输入层，从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现，基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明，使用GA优化可以提高灰色BP神经网络的预测精度，为船舶维修备件需求预测提供了一种新思路。     

PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用

为提高船舶交通流量的预测精度,利用具有全局搜索能力的粒子群算法(Particle Swarm Optimization, PSO)对无偏灰色马尔科夫模型进行优化,构建船舶交通流量预测的PSO-无偏灰色马尔科夫模型。该模型可综合考虑预测中的残差序列、状态区间、状态转移概率,自适应选取最优白化系数,用以准确表征船舶交通流量的发展趋势。以东营港2012—2017年船舶交通流量季度统计数据为例,选取前21个季度数据对模型进行训练,后2个季度数据对预测结果进行分析,与传统的无偏灰色模型和无偏灰色马尔科夫模型相比,该模型能显著地提高船舶交通流量的预测精度,其拟合精度和预测精度分别为91.439%和95.959%,验证后该模型具有科学性与有效性。     

基于LASSO的船舶日油耗预测研究

随着船舶燃油价格的不断上涨和国际海事组织对船舶碳排放的愈发限控,提高船舶油耗效率逐渐得到广泛关注,而船舶油耗预测是提高船舶油耗效率的重要前提。目前,在高维、稀疏的船舶油耗数据集中,众多算法存在可解释性低、泛化能力差的问题,为准确、有效地预测船舶日耗油量,提出一种基于套索(Least Absolute Shrinkage and Selection Operator, LASSO)算法的船舶日油耗预测模型。以某货船午时报告油耗数据为例,对船舶油耗数据进行了预测,并与岭回归(Ridge)、最小二乘法(Ordinary Least Squares, OLS)和人工神经网络(Artificial Neural Networks, ANN)进行对比,其均方误差均值分别降低了0.07、0.08和3.77。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

基于VMD-SSA-GRU的船舶运动姿态预测

船舶运动姿态的准确预测对船舶的运动补偿意义重大,因此提出一种基于变分模态分解（VMD）和麻雀搜索算法（SSA）优化门控循环单元（GRU）的船舶运动姿态预测模型。首先利用VMD将船舶运动姿态数据分解为若干个本征模态分量,然后对各个本征模态分量分别建立SSA-GRU预测模型进行预测,最后累加得到预测结果。通过实船模拟的船舶运动姿态数据进行验证,证明此预测模型较于SSA-GRU和GRU预测模型预测精度均有相应提升,验证了本预测模型在船舶运动姿态数据预测的有效性。     

基于大数据技术的船舶油耗监测系统设计

为适应IMO关于船舶记录油耗数据的强制性要求,分析船舶油-机-环境系统的监测参数集,建立基于大数据技术的、具备船舶油耗数据分析能力的船舶油耗监测系统,使该系统可对船舶油耗信息进行收集、整合和挖掘,向有关部门提供优质的船舶油耗监测服务和实时的节能管理咨询服务。利用无线传感器采集数据监测船舶能耗并开发船舶能耗数据库,不仅为船舶运营管理提供参考依据,还有助于船舶所有人更直观地掌握船舶实时动态信息,更方便地调度和管理船舶。     

《中华人民共和国物权法》有关条款在船舶物权登记中的应用

为明确《中华人民共和国物权法》实施对于船舶物权登记工作的指导作用,从船舶物权登记的性质、登记机关的审查义务和赔偿责任、共有船舶的处分原则、船舶价值评估和登记规费征收以及新船舶登记制度的创设等6个方面分析《物权法》有关条款在船舶物权登记实践中的应用,认为《物权法》的实施对船舶物权登记产生重要影响,船舶登记机关应及时转变观念。     

渔检发展凸显体制困局——访中国渔业船舶检验局局长周彤

近年来,百万艘渔船安全问题始终是中国水上难以驱散的阴霾.随着国际国内对生命和环境保护的日益重视,中国渔船安全更是备受关注.作为渔船安全的第一道防线,中国渔船检验现状如何?     

潜艇模块化的生命力设计研究

文章讨论了实施模块化方法建造潜艇的意义,对潜艇模块化体系的生命力作了初步的论述,提出近期可能实现的功能模块.     

马来西亚砂捞越州沿岸波浪实测资料的应用

介绍在波浪资料缺乏的情况下，利用过往船舶随机观测到的散落于大面积海域的波浪数据来满足工程设计要求的实例。     

虚拟样机技术在气垫船推进系统特性研究中的应用

由于气垫船的结构特点,传统的研究方法不适于气垫船推进系统特性研究.本文将现代虚拟样机技术引入气垫船推进系统特性研究中,对气垫船船体和轴系建模及船体-推进系统的耦合方法进行了比较研究.并应用本文提出研究方法,对某型气垫船推进轴系进行了动态支承力的仿真研究.     

不确定动荷载作用下的地基固结度估算

为了得到不确定动荷载作用下的地基固结度,通过工程实例,采用反分析法对不确定动荷载作用后地基的固结度进行了估算,并进行了现场验证。结果表明估算结果是可靠的,可供类似工程借鉴。     

天津港焦炭码头卸车坑地下连续墙渗漏水原因分析

通过对天津港南疆焦炭码头卸车坑地下连续墙的结构特点、施工过程、修补措施及当地的特殊的地质条件等因素的分析,综合考虑了各因素对地下连续墙的影响,从而客观地评价了地下连续墙渗漏水的成因,为选择适当的防渗漏材料提供了科学依据。     

换填法垫层厚度的优化设计

换填法地基处理设计关键是确定垫层的厚度。鉴于传统的设计方法存在不足,文章提出了一种改进的方法,经算例验证该法能更好地确定最佳垫层厚度,同时能适应不同的安全要求,具有较大的灵活性。     

Q25型牵引车油门操纵机构的改装

Q25型牵引车油门操纵机构主要由油门踏板、摇臂总成、拉杆、连杆等组成，通过控制调速器摇臂实现柴油机的调速，见图1。