基于随机森林算法的内河船舶油耗预测模型

摘要：

准确的船舶油耗预测模型是船舶实现各项航行优化措施的基础.以长江干线某旅游船为研究对象,通过安装信息采集系统获得了大量的船舶实时营运数据.通过理论分析得出影响船舶油耗的主要因素为风速、风向、水深、水流速度和船舶航速;改进了随机森林建模时参数的设置方法,提出一种变量的重要性测度方法;对去噪处理后数据进行系统抽样并进行归一化处理,得到建模的样本数据;把样本数据按0.7∶0.3的比例随机分为训练样本和测试样本,对训练样本采用随机森林(RF)算法建立油耗预测模型;通过模型预测测试样本的油耗值,与实测数据对比,结果显示预测误差低于6.8%,优于BP神经网络与支持向量机(SVM)的预测结果;分析模型中各变量的重要性顺序为:航速>水流速度>水深>风速>风向,利用偏相关分析得到了单个因素与油耗间的定量关系.

关键词：交通安全、内河船舶、油耗预测模型、随机森林算法

所属期刊栏目：35

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家科技支撑计划项目2013BAG25B03

在线出版日期：2017-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105