英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
计算机与运筹学
基于人工神经网络的船舶节能运营决策支持系统
E. Bal Beşikccedil;i a,* , O. Arslan a , O. Turan b , A.I. Ouml;lccedil;er c
a 伊斯坦布尔技术大学海上运输管理工程系，土耳其伊斯坦布尔，Sahil街34940图兹拉
b斯特拉斯克莱德大学海军建筑，海洋与海洋工程系，英国格拉斯哥蒙特罗斯街100号，G4 0LZ
c世界海事大学，PO Box 500，SE-20124Malmouml;，Sweden
文章信息
于2015年4月24日在线可用
关键字：
船舶能效
操作措施
决策支持系统
人工神经网络
摘要
降低船舶的燃油消耗以应对波动的燃油价格和国际航运所带来的温室气体排放，是该行业当今面临的挑战。潜在的燃料通过提高能效，可以在技术和运营上为新造船以及现有船舶节省成本措施；实施技术措施的局限性增加用于节能船舶运营的操作措施的潜力。船东和运营商需要合理化能源使用并制定节能解决方案。减少就燃油经济性和环境影响而言，提高船速是最有效的方法。本文的目的是双重的：（i）通过以下方法预测各种工况下的船舶燃油消耗一种不精确的方法，人工神经网络；（ii）开发决策支持系统（DSS）采用基于ANN的燃料预测模型以实时在船上使用能源高效的船舶运营。燃油预测模型使用运营数据-“正午数据”-提供有关船舶每日油耗的信息。用于燃料预测的参数是船速度，每分钟转数（RPM），平均吃水，纵倾，船上货物数量，海风影响，ANN的输出数据是油耗。人工神经网络的性能与多个回归分析（MR），一种广泛使用的表面拟合方法，其优越性得到了证实。已开发的DSS以两种情况为例，可以得出结论，它具有广阔的前景当船舶操作员必须在船上做出决定时，提供同时考虑经济和环境方面的战略方法来运营。
＆2015 Elsevier Ltd.保留所有权利。
1.简介
1.1.船舶能效措施以及建立决策支持系统的重要性
海上运输产生的CO2排放量占全球温室气体（GHG）排放量的很大一部分。 根据国际海事组织（IMO）的数据，2007年至2012年期间，船舶平均排放10.16亿吨CO2，约占全球排放量的3.1％[1]。
随着世界贸易的三倍增长，如果不采取任何行动，则假设到2050年，航运业的排放量将增加50％-250％[1]。OECD还报告了运输中二氧化碳排放量增加的相似水平的预测[2]。
由于对减少排放量的船舶有强烈的需求，因此目前的许多研究活动都集中在估算全球船舶排放量并开发缓解问题的解决方案以解决问题，例如：[3-10]。另外，燃料价格的上涨和波动是船运公司面临的主要问题，因为燃料成本占船舶运营成本的60％[11]。最终，航运公司正朝着节能程序和操作的方向发展，以减少能源消耗，以降低管理成本，从而保持其在市场上的竞争地位，并减少负面的环境影响。
船舶能效措施为船东和船东提供了减少燃料消耗和排放的多种选择。2011年，IMO的海洋环境保护委员会（MEPC）通过了《国际防止船舶造成污染公约》（VIPOL）附件VI的修正案，新的一章（第4章）。因此，自2013年1月1日起，所有船舶的能源效率设计指数（EEDI）和所有船舶的船舶能源效率管理计划（SEEMP）均成为强制性规定[12]。 EEDI通过设计来满足新船的碳排放限制，从而促进了技术措施的实施，而SEEMP的目标是通过利用船舶现有技术开发的运营应用来提高能源效率，包括船员意识和能效培训。由于以上原因，节省船舶燃料已成为提高船舶能源效率的首要条件。
1.2。船舶运行能效决策支持系统的概述和要求
决策支持系统（DSS）是一种基于计算机的信息系统，可以帮助决策者利用计算机上的数据，模型和其他知识来解决无法测量或建模的半结构性问题和一些非结构性问题。半结构化问题的这一方面需要人工干预，因此，解决方案通常可以通过允许决策者从有限的选择集中选择和评估实际解决方案来实现。DSS的目的是通过结合信息资源和分析工具来帮助决策者提高决策的有效性和效率[13]。
评估船舶运行能效措施涉及多种因素的综合影响。由于战略实施的复杂性和困难性，确定战略实施方案变得更加复杂。需要决策支持，以通过使用船舶上的现有技术实施操作措施来提高运营效率，降低环境影响和总体成本，从而提供快速，直接的解决方案来预测运营水平的燃油消耗。
“中午数据”报告提供了可用于开发船舶运行能效的各种载荷，速度和天气条件下有关船舶燃料消耗的宝贵信息，不幸的是，与大多数企业一样，中午数据报告还没有被船公司充分利用以进行节能运营收集它们是为了遵守法规。因此，许多公司尚未意识到中午数据报告对于制定能效战略的潜在好处。除非以系统的方式收集和分析中午数据，否则其收益将降低。此外，只能通过访问中午数据报告中未提供的其他与船舶/运营相关的信息（货物的数量，吃水标记，轴功率等）来对以能量效率为重点的中午数据进行适当的研究。本文旨在通过为运输公司开发一种创新方法来解决这一差距，该方法可以利用中午数据来提高能源效率。
1.3。人工神经网络的使用及相关文献
替代传统估计方法的一种方法是用于复杂系统的人工神经网络[14]。只要有足够的样本，输入变量就可以通过ANN的“训练”过程准确地声明输出变量。考虑到数据的性质，应选择适当的方法以获得最佳拟合预测。这项研究发现，人工神经网络（ANN）技术适合与能量效率相关的船舶操作措施的现场优化。
为了模拟人脑的工作原理，ANN是近年来发展起来的计算机科学领域，用于处理复杂的系统，而使用其他分析和统计方法很难对它们进行建模。人工神经网络非常适合预测目的，因为它可以成功地近似任何可测量的函数[15]。人工神经网络的预测能力在过去已经得到认可[14]。由于大量的高度互连的处理元素，人工神经网络具有很大的适应性，鲁棒性和容错性[16]。人工神经网络的表面拟合能力对于我们的案例至关重要，这就是为什么选择人工神经网络进行研究的原因[17]。
通过使用ANN模型，已经进行了许多不同学科的研究来预测燃料消耗[18,19,20,21]。人们已经发现，人工神经网络是预测任务在许多成功应用领域的领域，例如在能源工程系统的建模和预测[22]，无源太阳能建筑的能耗预测[23]，发展能源系统和能耗预测中[24]，以及减排量的分析[25]。也有一些有关基于决策支持系统的人工神经网络在各个主题中使用的报告，例如解决可靠生产中的缓冲区分配问题[26]，开发环境紧急决策支持系统[27]，预测恐怖主义暴动的风险评估[28]。 ]和模拟元模型的元建模[29]。人工神经网络已被用于预测各种喷射正时的柴油发动机的特定燃料消耗和排气温度[30]。但是，没有发现任何论文可使用ANN为基于船舶运行数据-“午间数据”的决策支持系统建模的油耗。
1.4。这项研究的目的
近几十年来，基于能源模型和管理的海上运输中的运筹学研究受到了广泛关注。 Ronen [31]研究了通过减速来节省燃料与由于航程延长而导致的收入损失之间的权衡。布朗等。 [32]集中了原油轮的调度问题，并确定了船舶的最佳航速，压载腿的最佳路线和货物分配。 Perakis和Papadakis [33,34]决定了在一个装货港和一个卸货港之间船队的部署以及相关的最佳航速。他们后来通过多个装载端口和多个卸载端口改进了他们的研究[35]。姚等。 [36]基于从运输公司获得的真实数据，研究了不同尺寸的集装箱船的燃油消耗率与船速之间的关系。
这些研究大多数集中在速度优化上。据作者所知，尚无一项研究将船舶的运行数据（包括速度，纵倾和天气影响以及决策）纳入考虑，以最大程度地减少船舶的燃油消耗。
本文的目的是双重的：（i）通过人工神经网络预测各种工况下的船舶燃油消耗； （ii）开发基于ANN的燃料预测模型的决策支持系统，以实时在船上用于高能效船舶运营。 ANN的目标是使用操作数据-“中午数据”预测各种操作条件下的船舶燃油消耗，该数据可提供有关船舶每日燃油消耗的信息。
本文的其余部分安排如下。在第2节中，介绍了本研究中进行的方法和数据。第3和第4节介绍了船舶运行能效ANN系统的设计和开发，该系统基于正午数据预测各种运行条件下的船舶燃料消耗。在第5节中，将开发的人工神经网络（ANN）的性能与另一种众所周知的表面拟合方法多元回归分析（MR）进行了比较。第6节讨论了提高船舶能源的（DSS）设计。最后一部分为进一步研究得出结论和建议。
2.方法和数据
2.1。船舶油耗建模
2.方法和数据
2.1。船舶油耗建模
船舶油耗及其预测分为三个部分：从船舶中午数据报告获得的船舶油耗数据库，油耗预测算法和性能分析。
为了开发基于ANN的决策支持系统，可以在各种操作因素下准确预测船舶燃油消耗，需要大量的培训和测试数据。在数据采集中，船舶燃油消耗量的信息和数据主要从中午数据报告中获取，并得到油轮的日常报告的支持。
船员每24小时航行一次中午补水报告，其中包含船舶的每日油耗以及操作细节的每日平均值，例如吃水，速度，持续时间，航程，位置，港口到港，离港，天气，主机和辅助设备以及使用的燃料类型。船舶经营人必须填写这些表格。为了观察和评估在各种情况下航行的船舶操作系统的变化，获取每日数据非常重要。中午数据报告是船舶在各种天气条件和不同航行速度下消耗的燃油量的主要指标。
本文中作为案例研究使用的油轮在航行中花费了51％的时间，在锚点上花费了25％，在港口上花费了11％，在机动中花费了9％，在漂流上花费了4％。这项研究是使用233艘船舶中午数据报告进行的，这些报告涵盖了船舶建造以来17个月的航行情况。表1描述了本研究中分析的油轮船的主要特征：该船装有一台带有内燃发动机的主发动机。在本研究中，每小时公吨（mton / h）被假定为燃料消耗的度量单位，因为它使用相同的基础来比较不同时间间隔的每日报告。
检查了七个重要因素–船速，每分钟转数（RPM），平均吃水，纵倾，船上货物数量，风和海影响–来确定油耗预测模型。这些用作网络培训中的输入。
船速是海上运输中的重要因素。随着世界贸易量的增长，高速船需要及时满足消费者的需求，因为高速船提供了经济利益，如及时接收货物，降低库存成本和增加贸易每单位时间的音量[37]。然而，燃油价格的上涨和环境问题以及全球经济衰退为船舶航速带来了新的视角，因此，降低船舶航速已成为重要的研究课题。
就燃油经济性而言，降低船速是最有效的方法。根据以前的研究，将航行速度降低到比设计速度低2-3 kn会对每日油耗产生相当大的影响，因此可以使船运公司的运营成本减半[38,39]。主要原因是船速与油耗之间存在非线性关系。船速因其三阶功能以及主机消耗的动力而对燃油消耗产生重大影响[31,40,41,42,43]。这意味着，如果船速加倍，则二手发动机的功率将增加至少八倍。换一种说法;如果将船速降低10％，则船舶消耗的燃料量将减少约27％[44]。
降低速度（慢速蒸煮）一直是与低碳运输相关的研究活动的主要主题。 Notteboom和Vernimmen [45]通过研究燃油消耗与速度之间的关系，确定了低速行驶所带来的经济和环境效益。 Corbett等。 [46]已经计算出低速集装箱船的成本效益。 Chang and Chang [47]通过将散货船的速度分别降低10％，20％和30％来应用了三种不同的情况。结果表明，尽管低速船提供燃油经济性，但由于低速租船合同，增加了运营成本。就燃料消耗而言，降低速度是有利可图的，必须根据其他商业和运营需求进行权衡，因为降低速度意味着，只要有需求，更多的船舶就能维持相同的服务水平。
班轮服务船（集装箱和渡轮）在很大程度上取决于船期和港口旋转，并以给定速度航行[48,49,50,51,52,53,54,55,56,57]。由于迟到而造成的高额罚款限制了这类船舶的低速航行，从而限制了燃油经济性。对于流浪服务船（油轮和散货船），应根据预计到达时间（ETA）确定船速。在这些类型的合同中，灵活性可能会由于端口规则或端口拥塞而引起的延迟而出现。如果船舶以较低的速度航行而不是等待较长时间进入港口（由于港口拥堵），则可以在航行期间将油耗降低多达10％[58,59]。为了从这种情况中受益，动态航行计划对于低碳运输至关重要。
每分钟转数（RPM）是主机转速。发动机将在额定负载下以额定RPM高效运行。当发动机本身以其最高效率运行时，尤其是在发动机转速接近每分钟最大转数（RPM）时，这会影响燃油消耗率。
燃油消耗还受船舶的纵倾和吃水深度的影响。传统上，船体形式是根据特定的草稿设计的。如果船舶的内饰甚至与设计点略有不同，则船舶阻力可能会增加，从而导致油耗增加。在某些情况下，较轻的吃水在错误的内饰处可能会比在适当的装饰下的较深吃水所产生的阻力更高[60]。船长和货物计划人员可以通过适当分配货物，压载物和消耗品来提供最佳的配平。另一方面，增加货物数量会增加船舶的吃水深度和排水量，从而导致更大的阻力，从而导致更高的燃料消耗。
船舶天气路线定义为通过考虑指定航行中的天气条件（风，洋流和海洋影响）来确定最佳路线[61,62,63]。为航行指定的最佳路线被认为是允许尽快完成航行的路线，在该路线中，安全性和舒适性[64,65]，各种天气条件下的最大能效[66,67,68]，或这些因素的组合[69,70]。基于实际运行数据的已发表研究表明，通过采用天气路线计划，可以将燃油消耗降低多达3％[71]。
由于上述原因，所有七个影响因素都可以提供有效参数，以匹配船舶运行能效决策支持特征。
2.2。人工神经网络（ANN）
ANN是最强大的计算方法之一受到人脑生物神经系统的广泛启发，可以取得显著成就，而其他传统的统计方法可能无效。
通过榜样学习的能力可能是最与神经网络相关的重要属性，可以是
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236920]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
