一种船舶航行决策预测方法、装置、电子设备及存储介质

本发明涉及船舶航行预测，尤其涉及一种船舶航行决策预测方法、装置、电子设备及存储介质。

背景技术：

1、航运业绿色发展的核心在于研究船舶能源消耗。传统的能耗研究侧重于节能技术、燃料优化和船体结构优化等方面，这些研究多建立在实测数据的基础上，但由于实测数据本身的误差原因，这些研究多集中在理论层面。对于船舶能耗的研究，现有研究基础大多建立在对实际航行船舶的能耗监测之上，由于获取的数据本身的误差产生原因复杂，例如船舶主机损耗、船舶附加阻力损耗、航速和船舶载重损耗等，单独分析其能耗情况极为复杂，故采取计算流体力学方法计算船舶在不同风、浪、流等外界条件下受到的阻力情况，再通过阻力间接研究其产生的船舶能耗，可以确保能耗数据均由船舶阻力变化引起，提高能耗数据的可靠性和使用性。

2、传统的船舶能耗研究在研究由于风、浪、流等外界环境对航行船舶产生的阻力而导致的能耗时，大多都基于船舶运动控制公式和阻力-能耗经验公式，但在实际情况中，船舶在海上受到的外界条件复杂导致参数众多，且经验公式使用限制较多，参数处于时变状态，导致无法根据参数的实时变化对参数进行预测，进而无法根据实时船舶能耗确定实时航行决策。

技术实现思路

1、有鉴于此，有必要提供一种船舶航行决策预测方法、装置、电子设备及存储介质，用以解决现有技术中存在的无法根据船舶在航行过程中参数的实时变化情况对船舶能耗进行预测，导致无法根据船舶能耗确定船舶的实时航行决策的技术问题。

2、为了解决上述问题，本发明提供一种船舶航行决策预测方法，包括：

3、获取本船舶的实时航行数据和实时环境数据，构建船舶三维模型，设置所述船舶三维模型处于不同参数组合中的参数数值；

4、基于cfd求解器对所述不同参数组合对应的参数数值进行处理，得到所述不同参数组合对应的初始能耗，并根据所有初始能耗和所述不同参数组合，得到目标神经网络模型；

5、基于所述目标神经网络模型对当前时刻的所述实时航行数据和所述实时环境数据进行预测，得到下一时刻所述本船舶的航行决策。

6、在一种可能的实现方式中，所述基于所述目标神经网络模型对当前时刻的所述实时航行数据和所述实时环境数据进行预测，得到下一时刻所述本船舶的航行决策，包括：

7、根据所述实时环境数据对所述本船舶的可航区域进行网格化处理，得到每个网格对应的实时目标环境数据；

8、将当前时刻的所述实时航行数据和所述实时目标环境数据输入至目标神经网络模型，得到所述每个网格对应的预测能耗值；

9、根据所述预测能耗值和所述实时航行数据，确定下一时刻所述本船舶的航行决策，所述航行决策包括可航行的网格对应的区域、船首向和船速。

10、在一种可能的实现方式中，所述设置所述船舶三维模型处于不同参数组合中的参数数值，包括：

11、设置所述船舶三维模型的基本参数；所述基本参数包括船速、船首向、风速、风向、流速、流向和波高；

12、设置所述基本参数中每个参数的至少一个参数数值，根据所述每个参数的所述至少一个参数数值，设置不同参数组合；每个参数组合中均包括船速、船首向、风速、风向、流速、流向和波高对应的一个参数数值。

13、在一种可能的实现方式中，所述构建船舶三维模型，包括：

14、根据所述本船舶的船舶类型，构建初始三维模型；

15、基于计算机辅助工程软件对所述初始三维模型进行网格化处理，并对受力情况复杂的区域和表面弯曲的部位进行网格加密，得到船舶三维模型。

16、在一种可能的实现方式中，所述基于cfd求解器对所述不同参数组合对应的参数数值进行处理，得到所述不同参数组合对应的初始能耗，包括：

17、基于所述cfd求解器对所述不同参数组合对应的参数数值进行求解，得到所述每个参数组合对应的阻力；

18、根据所述每个参数组合中所述船速对应的参数数值以及所述阻力作用的时间，得到所述每个参数组合对应的初始能耗。

19、在一种可能的实现方式中，所述根据所有初始能耗和所述不同参数组合，得到目标神经网络模型，包括：

20、确定预设神经网络模型的学习特征，所述学习特征包括所述基本参数；

21、对所述不同参数组合中的所述参数数值进行数据处理，得到参数数值集合；

22、根据所述参数数值集合中所述每个参数组合以及对应的初始能耗对所述预设神经网络模型进行训练，得到目标神经网络模型。

23、在一种可能的实现方式中，所述对所述不同参数组合中的所述参数数值进行数据处理，得到参数数值集合，包括：

24、根据所述每个参数组合中的参数数值对所述不同参数组合进行预处理，得到预处理数据；

25、对所述预处理数据进行特征清洗，得到特征清洗数据；

26、对所述特征清洗数据进行剔除异常值处理，得到学习能耗集合。

27、另一方面，本发明还提供了一种船舶航行决策预测装置，包括：

28、模型构建模块，用于获取本船舶的实时航行数据和实时环境数据，构建船舶三维模型，设置所述船舶三维模型处于不同参数组合中的参数数值；

29、模型处理模块，用于基于cfd求解器对所述不同参数组合对应的参数数值进行处理，得到所述不同参数组合对应的初始能耗，并根据所有初始能耗和所述不同参数组合，得到目标神经网络模型；

30、决策预测模块，用于基于所述目标神经网络模型对当前时刻的所述实时航行数据和所述实时环境数据进行预测，得到下一时刻所述本船舶的航行决策。

31、另一方面，本发明实施例公开了一种电子设备，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述船舶航行决策预测方法实施例的各个步骤。

32、另一方面，本发明实施例公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现上述船舶航行决策预测方法实施例的各个步骤。

33、本发明的有益效果是：本发明构建了船舶三维模型，设置船舶三维模型处于不同参数组合中的参数数值，进而得到不同的风、浪、流环境影响的环境特征的参数组合的参数数值，进而可以基于cfd求解器对不同参数组合对应的参数数值进行处理，得到不同参数组合对应的初始能耗，从而可以建立风、浪、流环境影响的环境特征与船舶初始能耗的目标神经网络模型，进而可以基于目标神经网络模型对本船舶在当前时刻的实时航行数据和实时环境数据进行实时预测，得到下一时刻本船舶的航行决策，实现了在风、浪、流环境实时变化的情况下，根据船舶能耗确定船舶的实时航行决策，提高了航行决策的准确性和可靠性。

技术特征：

1.一种船舶航行决策预测方法，其特征在于，包括：

2.根据权利要求1所述的船舶航行决策预测方法，其特征在于，所述基于所述目标神经网络模型对当前时刻的所述实时航行数据和所述实时环境数据进行预测，得到下一时刻所述本船舶的航行决策，包括：

3.根据权利要求1所述的船舶航行决策预测方法，其特征在于，所述设置所述船舶三维模型处于不同参数组合中的参数数值，包括：

4.根据权利要求1所述的船舶航行决策预测方法，其特征在于，所述构建船舶三维模型，包括：

5.根据权利要求3所述的船舶航行决策预测方法，其特征在于，所述基于cfd求解器对所述不同参数组合对应的参数数值进行处理，得到所述不同参数组合对应的初始能耗，包括：

6.根据权利要求3所述的船舶航行决策预测方法，其特征在于，所述根据所有初始能耗和所述不同参数组合，得到目标神经网络模型，包括：

7.根据权利要求6所述的船舶航行决策预测方法，其特征在于，所述对所述不同参数组合中的所述参数数值进行数据处理，得到参数数值集合，包括：

8.一种船舶航行决策预测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的船舶航行决策预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的船舶航行决策预测方法的步骤。

技术总结本发明涉及一种船舶航行决策预测方法、装置、电子设备及存储介质，属于船舶航行预测技术领域，其中，该方法包括获取本船舶的实时航行数据和实时环境数据，构建船舶三维模型，设置船舶三维模型处于不同参数组合中的参数数值；基于CFD求解器对不同参数组合对应的参数数值进行处理，得到不同参数组合对应的初始能耗，并根据所有初始能耗和不同参数组合，得到目标神经网络模型；基于目标神经网络模型对当前时刻的实时航行数据和实时环境数据进行预测，得到下一时刻本船舶的航行决策。本发明实现了根据船舶在海上的实时环境数据对船舶能耗进行实时预测，进而根据船舶能耗对船舶的实时航行决策进行预测。技术研发人员：束亚清,蔡源,甘浪雄,竺新波,闫涛受保护的技术使用者：武汉理工大学技术研发日：技术公布日：2024/6/18