基于数据驱动方法的船舶CII预测模型研究

相比通过物理模型和数值计算进行碳强度指数(Carbon Intensity Indicator, CII)预报，采用数据驱动方法构建模型进行CII预报能避免消耗大量计算资源。在分析已有研究的基础上，总结机器学习、时间序列等数据驱动方法在构建此类预测模型中应用的优势和劣势，以及运用这些方法构建的船舶CII预测模型。对比分析各种算法的优势和劣势可知，运用决策树算法和整合自回归移动平均算法构建船舶CII预测模型的研究目前虽然较少，但其颇具研究和创新空间，开展此项研究有助于在未来构建更准确、高效的船舶CII预测模型。