-
题名基于BSO-BP的船舶油耗预测模型
被引量：1
- 1
-
-
作者
乔磊
尹奇志
姚昌宏
钱巍文
赵福芹
-
机构
武汉理工大学交通与物流工程学院
武汉理工大学可靠性工程研究所
武汉理工大学国家水运安全工程技术研究中心
潍柴重机股份有限公司
潍柴动力股份有限公司
-
出处
《上海海事大学学报》
北大核心
2024年第2期29-34,共6页
-
基金
工业和信息化部绿色智能内河船舶创新专项(MC-202002-C03)
潍柴动力股份有限公司技术项目(WCDL-GH-2021-0050)。
-
文摘
为解决基于传统反向传播(back propagation,BP)神经网络的船舶油耗预测模型易陷入极小值和误差较大的问题,提出一种利用头脑风暴优化(brain storm optimization,BSO)算法优化BP神经网络的船舶油耗预测模型(简称BSO-BP模型)。以“维多利亚凯娅”号内河游船为研究对象,将BSO-BP模型的预测结果与采用传统BP神经网络以及模拟退火(simulated annealing,SA)算法、遗传算法(genetic algorithm,GA)、粒子群优化(particle swarm optimization,PSO)算法优化的BP神经网络的船舶油耗预测模型的预测结果进行对比分析。结果表明:与传统BP神经网络模型的预测结果相比,BSO-BP模型预测结果的可决系数R^(2)提高了0.003 9,均方误差、均方根误差、平均相对误差、平均绝对误差分别降低了0.034 4、0.154 1、0.010 2、0.017 8,说明在船舶油耗预测中BSO算法对BP神经网络的预测精度有显著的提升作用;BSO-BP模型预测结果的各项评价指标在所对比的5种模型中均表现最好,说明与SA算法、GA和PSO算法相比,BSO算法对BP神经网络的提升效果更好。
-
关键词
船舶油耗预测模型
头脑风暴优化(BSO)
反向传播(BP)神经网络
-
Keywords
ship fuel consumption prediction model
brain storm optimization(BSO)
back propagation(BP)neural network
-
分类号
U676.3
[交通运输工程—船舶及航道工程]
-
