基于编解码卷积神经网络的船舶航速预测

陈 弓, 韩 冰, 樊家畅, 陈信强,3

(1.上海船舶运输科学研究所有限公司, 上海 200135;2.上海海事大学 物流科学与工程研究院, 上海 201306;3.武汉理工大学 智能交通系统研究中心, 武汉 430063)

0 引 言

当前,我国水路运输行业的发展已进入攻坚短板、突破航运技术瓶颈的关键阶段,绿色、低碳和运行效率等得到了研究人员的广泛关注。近年来,国际海事组织(International Maritime Organization,IMO)出台了多项与船舶能效有关的措施[1],如船舶能效设计指数和船舶能效管理计划等;IMO海洋环境保护委员会通过了船舶能效和碳排放强制性措施[2],以进一步减少船舶的燃料消耗和温室气体排放,以期在2050年实现比2008年减排50%的目标。国内也提出了很多与绿色航运有关的管控策略,发布了很多政策文件[3-4]。影响船舶能源利用效率的措施(如低速航行、航线选择和气象导航)和因素(如燃料的消耗、成本和排放)与船舶航速有线性或非线性关系,尤其是功率与航速之间呈三次方关系(即使航速发生微小的变化,也会对功率产生很大的影响),而调整航速不需要装配额外的设备,具有较高的经济效益[5]。因此,对船舶航速进行准确估计,可为油耗预测、航线规划与优化、港口运行效率提升和导航系统开发等任务的开展提供准确的数据支撑,具有重要的研究意义。

当前,已有的船舶航速预测方法可分为基于物理模型的船舶航速预测和数据驱动的基于机器学习方法的船舶航速预测2种。

1) 基于物理模型的航速预测主要通过对全尺寸和小尺度模型的航速试验数据进行回归,得到航速、功率和螺旋桨转速之间的关系,这种方法受船舶自身特征的限制,且需要投入多人力和物力。……