基于信息粒化与支持向量回归机的内河船舶油耗预测

2021-12-17童亮陈雪梅郑朋飞

船海工程 2021年6期

童亮，陈雪梅，郑朋飞

(重庆交通大学航运与船舶工程学院，重庆 400074)

由于不断增长的航运需求，船舶温室气体排放量预计将在2050年前较2018年增加50%[1]。因此，作为《船舶能效管理计划》(ship energy efficiency management plan，SEEMP)的重要组成部分，越来越多的国际规则的制定已集中于船舶能源效率的提高。在船舶实际运营过程中，燃油费用占运营总成本的30%～60%[2]，而内河船舶多变的通航环境使其油耗过程更具复杂性。因此，在一定的航程和有限的时间内使船舶油耗最低是我国内河航运业技术改造和产业升级迫切需要解决的重要问题之一。

船舶油耗预测的建模方法可分为：理论公式建模和统计数据建模。理论建模，模型的建立需要完整的船舶设计参数和实验数据，分析过程中涉及环境因素过多且建模难度相对较大[3-4]，因此理论公式建模无法囊括所有船型，实用性需进一步提高。统计数据的建模主要通过分析船舶油耗相关因素，将数学方法和机器学习相结合，摈弃冗杂的机理分析，建立实测数据的预测模型，准确度高，实用性好。

因此，针对复杂的能耗特征和多变的内河环境，考虑以内河某散货船为例，对目标船舶安装多个传感器测得实船数据，采用多个模型(SVR模型、BP模型和ELM模型)分别对油耗进行预估，对比分析网络模型对实船油耗的预测结果；利用支持向量回归机(support vector regression,SVR)与模糊信息粒化(fuzzy information granulation,FIG)结合的方法对船舶未来一段时间内的油耗进行回归于预测分析。