基于经验知识的船舶螺旋桨水动力样本扩充方法及其在预报代理模型中的应用

近几年来，越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报，但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高，即数据对应参数分布较为集中，严重不均匀，这些问题都会影响代理模型预报的准确率与可靠性。为了解决这一实际困难，本文提出一种基于经验知识的样本扩充方法，并以船舶螺旋桨水动力性能的代理模型预报为例进行应用验证。结果表明：本文使用的样本扩充方法可以快速生成数据样本，可以一定程度上改善预报代理模型的可靠性，提升预报精度。