基于K-Means和XG-Boost算法的"两步式"船型分类映射

摘要：

由于当前的船舶分类较为单一,不同类型船舶的尺度和航行油耗等特征参数存在很大差异,采用相同的油耗标准衡量不同类型船舶的油耗会产生很大偏差.为有效解决该问题,以某公司的干散货船、集装箱船和油船为研究对象,提出一种"两步式"船型分类方法.采用K-Means算法对该公司内部船舶的9个属性进行分类,并基于肘部法则确定分类数量;根据得到的簇的数量,采用K-Means模型对船舶进行分类,并打上分类标签.针对该公司外部船舶属性数据缺失严重、数据质量较差的情况,基于上述分类标签,采用XG-Boost算法对该公司内部的船舶进行二次训练,使船舶分类模型具有处理数据缺失问题和提供分类概率的能力.实际应用结果表明,该"两步式"船型分类方法能对公司内外船舶能耗表现一致的船舶进行合理分类,并建立公司内外船舶的映射关系.

关键词：K-Means算法、XG-Boost算法、量化分析、船舶分类、机器学习

所属期刊栏目：46

分类号：U692(水路运输技术管理)

在线出版日期：2023-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：28-34,53