典型文献
基于XGBoost的船舶能耗实时预测
文献摘要：
为更加准确地预测船舶能耗,提出一种基于新兴XGBoost算法的船舶能耗实时预测模型.通过传感器采集大量船舶能耗数据;结合领域知识,提出一种数据预处理方法;利用贝叶斯超参数优化及交叉验证方法优化模型性能.实验结果表明,数据预处理和超参数调优均能在一定程度上提高模型性能.与多元线性回归、人工神经网络、岭回归和随机森林模型相比,本文提出的模型具有更好的预测性能,且模型运行时间能达到秒级响应,满足船舶实时预测要求.高准确度、实时性强的能耗预测模型能为船舶未来采取合理的节能减排措施提供理论依据,对船舶运营公司提高竞争力和保护环境具有重要意义.
文献关键词：
XGBoost;船舶能耗预测;集成学习;超参数调优
中图分类号：
作者姓名：
胡智辉;金永兴;周田瑞;胡勤友
作者机构：
上海海事大学商船学院,上海201306
文献出处：
引用格式：
[1]胡智辉;金永兴;周田瑞;胡勤友-.基于XGBoost的船舶能耗实时预测)[J].上海海事大学学报,2022(01):23-29,37
A类：
船舶能耗预测
B类：
XGBoost,实时预测模型,能耗数据,合领,领域知识,数据预处理方法,贝叶斯超参数优化,交叉验证,验证方法,方法优化,模型性能,超参数调优,人工神经网络,岭回归,随机森林模型,预测性能,运行时间,高准确度,能耗预测模型,减排措施,船舶运营,保护环境,集成学习
AB值：
0.288683
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
