《计算机集成制造系统杂志》发表论文赏析

基于个性化联邦学习的异构船舶航行油耗预测

来源:计算机集成制造系统杂志2025年第1期北京时间:

作者:韩沛秀, 孙卓, 刘忠波, 闫椿昕

单位:1.大连海事大学交通运输工程学院2.中华人民共和国宝山海事局3.复旦大学国际关系与公共事务学院

摘要:船舶航行油耗的精准预测,对保护海洋环境、减少航运业运营成本起关键作用,但航运业船舶的数据私密性、及异构船舶的数据异质性,导致常规机器学习方法的预测效果有限。为此,提出一种基于类别型特征的梯度提升(CatBoost)联合个性化联邦学习(PFL)预测方法。首先,对本地不同数据源的船舶信息数据及海况数据进行数据融合和清洗过滤,以提高输入数据质量;其次,对本地融合数据用CatBoost进行特征选取,以去除冗余数据;随后,引入带个性化层的联邦学习(FedPer)框架,建立异构船舶航行油耗预测模型,以保证异构船舶的数据私密性;进一步,对基本层权重矩阵采用联邦平均算法(FedAvg)聚合参数并反馈,对个性化层权重矩阵由本地客户端采用深度前馈神经网络(DFNN)进行训练优化,以消除数据异质性的影响,提高预测精度。最后,结合实际异构船舶航行油耗算例进行对比实验,结果表明,相比于其他模型,CatBoost联合个性化联邦学习预测方法的预测精度更高,对降低异构船舶航行油耗具有一定的指导意义。

关键词:异构船舶航行油耗预测,个性化联邦学习,基于类别型特征的梯度提升,联邦平均算法,深度前馈神经网络

基金资助:国家自然科学基金资助项目(52171247)。

2025年1期其他文献查阅:

数字试验测试验证标准体系

面向AI生成的产品概念设计方案智能评估方法

基于冗余机械臂可操作性的改进动态运动基元方法

港口重载AGV转向稳定性容错控制策略

基于混合果蝇算法的双边装配线平衡问题研究

考虑转移时间的多目标双资源柔性作业车间节能调度

带忽略工序的多目标批量流混合流水车间调度

两阶段智能优化算法求解紧凑型带钢生产热轧调度问题

基于多信息体素的三角网格模型距离场算法

基于轻量级DeepLabV3+网络的焊接熔池图像分割方法

基于融入注意力机制的改进U-Net鲁棒焊缝识别算法

基于集成学习的压电陶瓷烧结过程质量预测建模

基于特征融合与语义引导的药用胶囊表面缺陷检测

基于卷积神经网络轻量化的改进SSD异纤检测方法

基于个性化联邦学习的异构船舶航行油耗预测

基于两级决策树模型的轧制时间预测方法

基于改进ACGAN算法的带钢小样本数据增强方法

混合云中面向多目标的工作流数据放置策略

基于BPMN的业务流程建模元素扩展机制

基于规则链的制造服务组合方法

扇形段拉矫力数据突变特征提取方法

基于深度学习的旋转机械大数据智能故障诊断方法

小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法

基于知识蒸馏压缩混合模型的航空发动机剩余寿命预测研究

考虑状态增量的自适应Wiener过程剩余寿命预测

考虑技术效率不确定的风险规避制造商的绿色技术创新策略

基于MCF-GERT的复杂产品供应链交付多目标优化模型

基于列生成和分支定界算法的两阶段二次装箱问题

基于混合蒙特卡洛树搜索的电缆盘装箱方法

时变需求下汽车零部件整包配送库存路径优化

医疗废弃物协作回收模式及成本节约影响研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!