文献

J-GLOBAL ID：202102276772813117   整理番号：21A3269364

船隊からのデータ融合を用いた記録データなしの船舶の電力予測【JST・京大機械翻訳】

Power prediction for a vessel without recorded data using data fusion from a fleet of vessels

著者 (5件)： Parkes A.I. (Maritime Engineering, University of Southampton, University Rd, Southampton SO16 7QF, England, UK) ,  Savasta T.D. (Maritime Engineering, University of Southampton, University Rd, Southampton SO16 7QF, England, UK) ,  Sobey A.J. (Maritime Engineering, University of Southampton, University Rd, Southampton SO16 7QF, England, UK) ,  Sobey A.J. (Marine and Maritime Group, Data-centric Engineering, The Alan Turing Institute, The British Library, London, NW1 2DB, England, UK) ,  Hudson D.A. (Maritime Engineering, University of Southampton, University Rd, Southampton SO16 7QF, England, UK)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 187  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 海運における最近の法律は,燃料消費を減らすために追加の圧力を適用する。しかし,これは,正確な電力予測なしに不可能であり,新しい効率向上の進歩と経路最適化の信頼度の比較を可能にする。この予測は,粗い天候では特に困難であり,従来の予測方法は,考慮を strった。船舶からの操作データセット上で訓練されたニューラルネットワークは,すべての気象条件にわたって2%の平均誤差に対して電力を予測することが示されているので,この問題に対する潜在的解決策である。しかし,これらのデータの収集は,高価で時間がかかる。現在,1つの容器からのデータが,コストを減らし,新しい容器の性能の予測を可能にするのに,どのように利用できるかに関する文献は,現在存在しない。本論文では,フリートにおける他の血管上に位置するセンサの範囲から,データの融合で訓練されたニューラルネットワークを用いて,非セイアン容器に対するパワーリングの予測における精度を調べた。それは,実際の応用に関する多重データセットの利用から達成できる外挿のレベルを実証して,使用する船舶のフリートに対して,船舶パラメータは,望ましい予測領域にわたって十分なデータを有するよりも正確な電力予測に対して重要でないことを示唆した。それは,約4%の誤差の予測が,フリートにおけるほとんどの船舶のために達成され,他の船舶の少数に見られるより高い誤差の原因について議論すると結論づける。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  外挿法 ,  効率化 ,  信頼度 ,  *電力 ,  血管 ,  海上輸送 ,  *船舶 ,  ニューラルネットワーク ,  気象条件 ,  センサ ,  機械学習 ,  *データ融合
準シソーラス用語： 天候 ,  燃料消費量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  軸電力予測 ,  ニューラルネットワーク ,  海洋工学 ,  海軍建築

分類 (3件)： 航海と実務  (TD01020F) ,  エネルギー消費・省エネルギー  (LD01000B) ,  船舶性能  (QJ02010Q)

タイトルに関連する用語 (4件)： データ融合 ,  記録データ ,  船舶 ,  予測