本發(fā)明屬于船舶運(yùn)營(yíng)管理，具體涉及一種船舶航速預(yù)測(cè)與優(yōu)化方法、設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、航運(yùn)業(yè)在推動(dòng)全球經(jīng)濟(jì)發(fā)展的同時(shí)，其溫室氣體排放量也逐年攀升。船舶航速是計(jì)算燃料消耗和排放的關(guān)鍵參數(shù)，是評(píng)估能效設(shè)計(jì)指數(shù)(eedi)和船舶能效管理計(jì)劃(seemp)效果的重要因素，為了提高燃油效率、減少溫室氣體排放，需要準(zhǔn)確地預(yù)測(cè)船舶航速。

2、船舶在實(shí)際航行中，由于船舶自身的復(fù)雜性以及海洋環(huán)境阻力的影響使其難以按計(jì)劃航速航行?，F(xiàn)有的船舶航速預(yù)測(cè)技術(shù)，如通過船模試驗(yàn)和流體動(dòng)力學(xué)計(jì)算方法，不僅耗費(fèi)大量的時(shí)間和經(jīng)費(fèi)，而且難以精確挖掘多元因素相互影響的關(guān)系，導(dǎo)致其不能取得理想的結(jié)果。同時(shí)，現(xiàn)有的船舶航速優(yōu)化技術(shù)由于無法精準(zhǔn)預(yù)測(cè)船舶在多變海洋環(huán)境下的真實(shí)航速，也導(dǎo)致其無法取得理想的結(jié)果。對(duì)計(jì)劃航次的航速預(yù)測(cè)與優(yōu)化是優(yōu)化船舶運(yùn)營(yíng)的關(guān)鍵因素之一，對(duì)提高船舶運(yùn)營(yíng)效率至關(guān)重要。

3、綜上，現(xiàn)有船舶航速預(yù)測(cè)技術(shù)多基于理論推導(dǎo)和船模實(shí)驗(yàn)等方法建立的物理模型，其難以準(zhǔn)確刻畫復(fù)雜的海洋環(huán)境對(duì)船舶狀態(tài)的影響，并且很多物理模型忽略了海流等相關(guān)特征以簡(jiǎn)化模型。因此，基于物理模型預(yù)測(cè)船舶航速并不精確。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種船舶航速預(yù)測(cè)與優(yōu)化方法、設(shè)備及可讀存儲(chǔ)介質(zhì)，基于機(jī)器學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法，解決現(xiàn)有船舶航速預(yù)測(cè)不精確的問題。較物理模型而言，基于機(jī)器學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法能夠避免參數(shù)的主觀賦值，且能綜合考慮更多影響船舶航速的因素，并挖掘多因素之間的非線性關(guān)系，從而建立更加準(zhǔn)確的非線性船舶航速預(yù)測(cè)模型。通過粒子群算法對(duì)機(jī)器學(xué)習(xí)模型超參數(shù)進(jìn)行調(diào)優(yōu)進(jìn)一步提高船舶航速預(yù)測(cè)模型的準(zhǔn)確性。基于高準(zhǔn)確性的船舶航速預(yù)測(cè)的航速優(yōu)化模型，使預(yù)測(cè)出的船舶航速更加貼切于船舶航行的真實(shí)航速，從而減少氣象信息對(duì)船舶航速的影響，進(jìn)而提高對(duì)船舶航行成本的計(jì)算的準(zhǔn)確性，更好地實(shí)現(xiàn)對(duì)船舶航速優(yōu)化。

2、下面本發(fā)明的第一方面，提供了一種船舶航速預(yù)測(cè)與優(yōu)化方法，該方法包括：

3、以主機(jī)功率、船舶航向、流速、與船舶航向的相對(duì)流向、風(fēng)速、與船舶航向的相對(duì)風(fēng)向、有效波高、與船舶航向的相對(duì)波向以及風(fēng)浪和涌浪的組合周期作為輸入，以船舶航速作為輸出，建立船舶航速預(yù)測(cè)模型；

4、獲取船舶航線規(guī)劃信息與海洋氣象預(yù)報(bào)信息，海洋氣象預(yù)報(bào)信息包括流速、流向、風(fēng)速、風(fēng)向、有效波高、波向以及風(fēng)浪和涌浪的組合周期；

5、根據(jù)船舶航線規(guī)劃信息獲取船舶規(guī)劃航線，并將船舶規(guī)劃航線分為若干個(gè)計(jì)劃航段；

6、獲取各個(gè)計(jì)劃航段的船舶航向，結(jié)合海洋氣象預(yù)報(bào)信息獲取各個(gè)計(jì)劃航段的相關(guān)信息，包括船舶航向、流速、與船舶航向的相對(duì)流向、風(fēng)速、與船舶航向的相對(duì)風(fēng)向、有效波高、與船舶航向的相對(duì)波向以及風(fēng)浪和涌浪的組合周期；

7、根據(jù)不同主機(jī)功率以及各個(gè)計(jì)劃航段的相關(guān)信息，結(jié)合船舶航速預(yù)測(cè)模型，預(yù)測(cè)船舶各個(gè)計(jì)劃航段在相應(yīng)氣象海況下、不同主機(jī)功率下的真實(shí)船舶航速；

8、根據(jù)主機(jī)功率以及對(duì)應(yīng)的真實(shí)船舶航速建立成本函數(shù)，并結(jié)合約束條件構(gòu)建船舶航速優(yōu)化模型；

9、基于船舶航速預(yù)測(cè)模型和船舶航速優(yōu)化模型，得到各個(gè)計(jì)劃航段的優(yōu)化航速。

10、進(jìn)一步的，根據(jù)主機(jī)功率以及對(duì)應(yīng)的真實(shí)船舶航速建立成本函數(shù)，并結(jié)合約束條件構(gòu)建船舶航速優(yōu)化模型，包括：

11、基于如下公式計(jì)算總航程的成本：

12、

13、其中，cost為第i計(jì)劃航段的成本，n為計(jì)劃航段總數(shù)；v0為設(shè)計(jì)航速，vi為給定主機(jī)功率下的理想航速，h0表示設(shè)計(jì)航速下的燃油消耗率；di表示第i計(jì)劃航段的距離；vir為第i計(jì)劃航段在相同主機(jī)功率下的真實(shí)船舶航速，由船舶航速預(yù)測(cè)模型預(yù)測(cè)得到；a1和a2為系數(shù)，分別對(duì)應(yīng)于燃油成本和時(shí)間成本；

14、同時(shí)滿足以下約束條件：

15、tn≤tmax，確保船舶按時(shí)到達(dá)目的港口，遵循規(guī)定的最晚到達(dá)時(shí)間；其中，ti表示前i個(gè)計(jì)劃航段的總時(shí)間，t0為0；

16、設(shè)定船舶在各個(gè)計(jì)劃航段的理想航速的最小和最大限制；其中，和分別為最小航速和最大航速；

17、ti≥0，要求每個(gè)計(jì)劃航段的起始時(shí)間為非負(fù)，以保障航行計(jì)劃的實(shí)施性。

18、進(jìn)一步的，基于船舶航速預(yù)測(cè)模型和船舶航速優(yōu)化模型，得到各個(gè)計(jì)劃航段的優(yōu)化航速，包括：

19、對(duì)于每一個(gè)計(jì)劃航段，獲取船舶在不同主機(jī)功率下的真實(shí)船舶航速，從而得到各個(gè)計(jì)劃航段在不同真實(shí)船舶航速下的成本；

20、結(jié)合約束條件，得到總航程的成本最低時(shí)對(duì)應(yīng)的各個(gè)計(jì)劃航段的真實(shí)船舶航速，進(jìn)而控制船舶在相應(yīng)計(jì)劃航段以相應(yīng)的真實(shí)船舶航速航行。

21、進(jìn)一步的，建立基于粒子群優(yōu)化算法的船舶航速預(yù)測(cè)模型，包括：

22、船舶航速預(yù)測(cè)模型為catboost模型，基于粒子群算法對(duì)catboost模型超參數(shù)進(jìn)行優(yōu)化；其中，catboost模型超參數(shù)包括最大樹數(shù)iterations、樹深depth和學(xué)習(xí)率learning_rate；

23、根據(jù)需要優(yōu)化的參數(shù)數(shù)量確定維度，然后隨機(jī)初始化粒子的位置和速度；

24、將船舶航速預(yù)測(cè)模型的性能作為適應(yīng)度值，通過迭代得到最優(yōu)的catboost模型超參數(shù)，從而得到基于粒子群優(yōu)化算法的船舶航速預(yù)測(cè)模型。

25、進(jìn)一步的，將船舶規(guī)劃航線分為若干個(gè)計(jì)劃航段，包括：

26、根據(jù)海洋氣象預(yù)報(bào)信息的時(shí)間分辨率以及設(shè)計(jì)航速，在船舶規(guī)劃航線上插入計(jì)劃航路點(diǎn)，將船舶規(guī)劃航線分為多個(gè)預(yù)計(jì)劃航段；

27、根據(jù)預(yù)計(jì)劃航段以及相鄰預(yù)計(jì)劃航段內(nèi)的船舶航向變化情況與海洋氣象預(yù)報(bào)信息變化情況，將預(yù)計(jì)劃航段再分段或組合，得到最終的計(jì)劃航段。

28、進(jìn)一步的，建立船舶航速預(yù)測(cè)模型，包括：

29、獲取船舶航行歷史信息與海洋氣象歷史信息；

30、基于單源數(shù)據(jù)清洗與多源數(shù)據(jù)融合的方法構(gòu)建多源數(shù)據(jù)聚合處理模型，對(duì)所獲取的船舶航行歷史信息與海洋氣象歷史信息進(jìn)行單源數(shù)據(jù)清洗與多源數(shù)據(jù)融合，得到特征集；

31、基于皮爾遜相關(guān)分析法，從特征集中篩選出對(duì)船舶航速有顯著影響的關(guān)鍵特征集，將關(guān)鍵特征作為船舶航速預(yù)測(cè)模型的輸入，并利用關(guān)鍵特征集訓(xùn)練船舶航速預(yù)測(cè)模型；

32、其中，獲取船舶航行歷史信息與海洋氣象歷史信息，包括：

33、獲取船舶ais數(shù)據(jù)，包括時(shí)間、位置以及對(duì)應(yīng)的船舶航速、主機(jī)功率和船舶航向；其中，位置包括經(jīng)度和緯度；

34、獲取海洋氣象歷史信息，包括時(shí)間、位置以及對(duì)應(yīng)的流速、流向、風(fēng)速、風(fēng)向、有效波高、波向以及風(fēng)浪和涌浪的組合周期。

35、進(jìn)一步的，單源數(shù)據(jù)清洗包括：

36、對(duì)于各單源數(shù)據(jù)，辨識(shí)出異常值并用空缺值替換，之后基于張量分解法對(duì)單源數(shù)據(jù)進(jìn)行填補(bǔ)，利用z-score法對(duì)填補(bǔ)后數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

37、其中，辨識(shí)方法包括：對(duì)于顯著異常數(shù)據(jù)，采用多維聚類以及固定閾值法進(jìn)行辨識(shí)；對(duì)于非顯著異常數(shù)據(jù)，利用理論知識(shí)與經(jīng)驗(yàn)?zāi)Ｐ瓦M(jìn)行辨識(shí)；

38、對(duì)于船舶航速以及主機(jī)功率，采用二維張量填補(bǔ)，如下：

39、

40、其中，qmt為船舶第m個(gè)位置在時(shí)刻t的船舶航速或主機(jī)功率；dm為第m個(gè)位置，tt為第t個(gè)時(shí)間；u和v為兩個(gè)維度為m和t的列向量和行向量，u和v為元素值；

41、對(duì)于除船舶航速和主機(jī)功率之外的其他航行參數(shù)，由船舶航速、位置、時(shí)間和其他航行參數(shù)共同構(gòu)成四維空間，再基于四維張量分解法進(jìn)行填補(bǔ)。

42、進(jìn)一步的，多源數(shù)據(jù)融合包括：

43、基于時(shí)空屬性匹配對(duì)齊不同數(shù)據(jù)集，并對(duì)同屬性特征進(jìn)行判定與轉(zhuǎn)換，以實(shí)現(xiàn)特征的一致化表達(dá)；之后結(jié)合哈希函數(shù)法及歐式距離構(gòu)建數(shù)據(jù)相似度衡量矩陣，識(shí)別冗余屬性，并通過屬性歸約實(shí)現(xiàn)數(shù)據(jù)去冗；

44、若異構(gòu)數(shù)據(jù)集中同屬性數(shù)據(jù)記錄存在差異，則采用分布統(tǒng)計(jì)法界定不同來源數(shù)據(jù)的合理性，取合理數(shù)據(jù)的均值進(jìn)行數(shù)值歸并，實(shí)現(xiàn)多源數(shù)據(jù)的強(qiáng)耦合集成。

45、根據(jù)本發(fā)明的第二方面，提供了一種船舶航速預(yù)測(cè)與優(yōu)化設(shè)備，包括：處理器和存儲(chǔ)器，存儲(chǔ)器存儲(chǔ)可在處理器上運(yùn)行的程序或指令，程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任意一項(xiàng)所述的船舶航速預(yù)測(cè)與優(yōu)化方法的步驟。

46、根據(jù)本發(fā)明的第三方面，提供了一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序或指令，程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任意一項(xiàng)所述的船舶航速預(yù)測(cè)與優(yōu)化方法的步驟。

47、總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，能夠取得以下有益效果：

48、本發(fā)明提供了一種船舶航速預(yù)測(cè)與優(yōu)化方法、設(shè)備及可讀存儲(chǔ)介質(zhì)，構(gòu)建了船舶航速預(yù)測(cè)模型和船舶航速優(yōu)化模型，通過考慮船舶大洋航行時(shí)所受海洋氣象環(huán)境影響及船舶自身特性，可以快速且較低成本的預(yù)測(cè)出更加貼切于船舶航行的真實(shí)航速，以解決現(xiàn)有的船舶航速預(yù)測(cè)技術(shù)不僅耗費(fèi)大量的時(shí)間和經(jīng)費(fèi)，而且難以精確挖掘多元因素相互影響的關(guān)系的缺陷。另外，通過精確快速的船舶航速預(yù)測(cè)減少航速優(yōu)化中航速不準(zhǔn)確對(duì)成本計(jì)算的影響，提高對(duì)船舶航行成本的計(jì)算的準(zhǔn)確性，并且根據(jù)主機(jī)功率以及真實(shí)船舶航速建立成本函數(shù)，并結(jié)合約束條件構(gòu)建船舶航速優(yōu)化模型，解決現(xiàn)有船舶航速優(yōu)化不能取得理想的結(jié)果的缺陷。

49、此外，本發(fā)明基于獨(dú)特的單源數(shù)據(jù)清洗與多源數(shù)據(jù)融合策略構(gòu)建多源數(shù)據(jù)聚合處理模型，通過融合的數(shù)據(jù)集訓(xùn)練基于粒子群優(yōu)化的機(jī)器學(xué)習(xí)模型，從而構(gòu)建船舶航速預(yù)測(cè)模型，提高了船舶航速預(yù)測(cè)模型的預(yù)測(cè)性能。