来源：期刊VIP网 时间：
作者：韩沛秀;刘忠波;闫椿昕;
单位：大连海事大学交通运输工程学院;中华人民共和国宝山海事局;复旦大学国际关系与公共事务学院;
摘要：针对不同船舶在各自海域航行时的油耗优化问题，提出一种先预测后优化（predict,then optimize,PTO）的两阶段方法。首先，采用CatBoost算法为多源融合数据筛选特征，得到有效数据。其次，建立双向长短时记忆（bidirectional long short-term memory,Bi-LSTM）网络模型预测船舶航行油耗，并设计基于伯努利混沌策略的灰狼优化（grey wolf optimizer,GWO）算法进行超参数寻优。然后，基于船舶航行油耗预测结果，建立混合整数非线性模型并精确求解，得到的航速策略与多源数据集建立联合数据库，输出对应船舶纵倾策略。最后，以6艘不同类型船舶真实航行数据为例，验证两阶段优化方法的有效性。结果显示，设计的网络模型预测精度明显高于其他对比模型，且提出的两阶段方法为6艘船舶平均节省了2.33%的航行油耗。本文研究的方法可为船舶日常降低航行油耗提供实操参考。
关键词：船舶航行油耗;;先预测后优化;;双向长短时记忆网络;;航速与纵倾策略;;灰狼优化算法
基金资助：国家自然科学基金资助项目(52171247)
