刘洋洋 卫家骏

摘 要：准确地预测船舶能耗对实现航速优化、纵倾优化等具有重要作用。然而船舶油耗受到多种因素的影响，如航行速度、吃水、风速、浪高等，给船舶油耗预测带来众多困难与挑战。本文收集了在航船舶传感器数据，通过对数据进行预处理，提取了与油耗影响有关的特征数据信息。使用人工神经网络（Artificial Neural Network，ANN）、支持向量机回归（Support Vector Regression，SVR）、岭回归（Ridge）等共7种机器学习方法进行船舶油耗预测。实验结果表明，ANN的R2值大于0.9，预测精度最高，Lasso与Ridge的预测精度最低，R2值皆小于0.5。本文提出的模型可为在航船舶实时油耗预测提供重要参考。

关键词：船舶油耗预测;人工神经网络;支持向量机

中图分类号：U676.3          文献标识码：A            文章编号：1006—7973（2021）05-0138-03

随着世界人口、贸易不断增加，人们对货物的需求不断增加，世界上约80%的货物运输是通过船舶运输完成。根据国际海事组织（International Maritime Organization，IMO）第4次发布的研究报告，2012～2018年，航运业排放的温室气体从9.77亿吨增加到10.76亿吨，增长10.1%，航运业排放比例从原先2.76%上升至2.89%，据IMO估计，按照现有的趋势发展，到2050年，CO2的排放量将比2018年提高50%。

Leifson等考虑风浪、污底附着物对船舶航行的影响，并结合主机与螺旋桨的工况，建立了油耗预测白箱模型，并使用人工神经网络对模型的各个参数进行了求取。Yang等考虑到船舶实际航行中，由于风、浪等航行环境的影响，会造成失速现象，为此采用了Kwon的方法进行了航速估算，建立了远洋船舶的油耗预测模型。Yan等基于在航船舶营运数据，建立了一种BPNN的船舶能耗预测模型，并对通航环境因素与能耗的影响进行了敏感性分析，预测获得的油耗值其精度要高于采用理论公式。……