数据驱动的船舶快速性能代理模型预报方法

摘要

本文针对船舶快速性能高效预报中存在的难度,以33艘油船、43艘散货船水池模型试验数据为基础,应用机器学习算法建立船舶快速性能预报的代理模型。研究了不同组合方式的船体有量纲与无量纲参数、代理模型种类对船型快速性能预报精度的影响,对比了代理模型在相近船型预报和同类船型预报2种应用场景中的适用性。结果显示,有量纲与无量纲混合的参数组合可以提高模型预报精度,船舶快性能代理模型预报误差约为3%~7%。