(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111658013.4 (22)申请日 2021.12.3 0 (71)申请人 大连海事大学 地址 116026 辽宁省大连市高新园区凌海 路1号 (72)发明人 王怡洋　郭雨寒　王军　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 代理人 姜玉蓉　李洪福 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/30(2012.01) G06F 16/2458(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于时序随机森林的短期船舶航速预 测方法 (57)摘要 本发明提供一种基于时序随机森林的短期 船舶航速预测方法， 包括以下步骤： 获取建模数 据并进行数据预处理； 将时间序列数据引入随机 森林学习器构建全新的预测模型框架； 模型相关 参数的设定； 使用模型进行预测。 本发明可以利 用船舶的历史航行速度和海洋气象预报数据对 短期船舶对 水速度进行预测， 避免了直接使用船 舶发动机实时监控数据的现象， 对于船载监控设 备的要求较低， 同时实现了事先对 船舶速度进行 预测和事后实验分析。 本发明的模 型平均绝对误 差(MAE)、 均方根误差(RMSE)、 可决系数(R^2)均 优于其他三种常用模型。 权利要求书3页 说明书6页 附图1页 CN 114330895 A 2022.04.12 CN 114330895 A 1.一种基于结合时序随机森林的短期船舶航速预测方法， 其特 征在于， 包括以下步骤： S1、 获取建模数据并进行 数据预处 理； S2、 将时间序列数据引入随机森林 学习器构建全新的预测模型框架； S3、 对所述随机森林模型进行相关参数的设定和训练； S4、 通过训练后的所述随机森林模型进行 预测； 具体地， 所述 步骤S2还具有以下步骤： S21、 对数据集及参数进行定义； 设MT是截止到时间T且经过预处理后的数据集， 其中， ET、 ST和VT分别代表海洋气 象数 据集、 船舶状态数据集和对 水速度数据集； et、 st和vt分别对应着上述数据集在某特定时间 点t时刻的数据； 定义b为历史速度数据的长度， p为以当前时刻t为节点预测的长度； S22、 假设A是决策树上某个节点对应的超矩形单元格， 而NT(A)表示落入A中的数据数 量； 在A上的一次切割通过一个数据对(j,z)描述， 其中， j表 示从1到输入 特征数之间的某个 维度， 而z表示沿j切割的位置； 另外假设输入特征Xt＝(et,st,vt ‑1,vt‑2,...,vt ‑b)， 输出 变量Yt＝vt； 由此分类回归树原则标准可以通过如下公式(1)求得： 其中， 代表指示函数， 是当Xt落在A中时对应Yt的平均值， 若Xt未在A中则该指取0； 接着， 通过在所有可能的切割中找 到使得LT(j,z)最大的解， 即是此时A对应的最优切割 解(j,z)； S23、 当每 个单元格最终包 含的点数少于设定数目时， 单个树的构建将停止； 其中， 第i棵树 求得的回归方程 如公式(2)所示： 其中， 表示用于构建该树的子数据集， At是与Xt对应的超矩形 单元格； 将构建的k棵树得到的结果取平均值得到最终的结果， 如公式(3)所示： S24、 以当前 时间t作为分割点， 下一个时刻的对水速度v*t+1通过步骤S22和步骤S23描 述的方法确定； 将v*t+1作为下一次预测的输入特征值， 重新输入到构建的模型中； 经过多次循环迭 代， 获取更长时间后的船舶对水速度； 具体迭代过程如公式(4)所示：权　利　要　求　书 1/3 页 2 CN 114330895 A 2其中， v*t 表示t时刻对应的船舶对水速度预测值。 2.根据权利要求1所述的一种基于结合时序随机森林的短期船舶航速预测方法， 其特 征在于： 所述 步骤S1还 包括以下步骤： S11、 通过船载自动识别系统获取船舶历史航行数据， 通过海洋气象预报获取对应航行 时间的天气、 海况 数据； S12、 由于步骤S11中获取的数据包括船舶的多个航次， 因此通过船期表以及船舶地理 位置信息将船舶 在港停靠时的数据进行删除 同时删除异常点数据； S13、 为消除海流对船舶的影响， 将船舶对地速度转化为船舶对水速度， 如公式(5)所 示： 其中， Vstw表示当前时刻船舶对水速度， Vsog表示船舶对地速度， Vcurrent表示海流的对地 速度， 表示船首向与海流方向的夹角； S14、 分析每个航次的船舶对水速度， 若满足公式(6)， 则该数据将被视为离群点而删 除： 其中， erfc表示互补误差函数， Δi表示第i个 数据与数据集平均值之间的绝对 误差， σ 表 示数据集的标准差 。 3.根据权利要求1所述的一种基于结合时序随机森林的短期船舶航速预测方法， 其特 征在于： 所述 步骤S3还 包括以下步骤： S31、 确定输入模型中的特征变量； 除确定船舶历史航行数据及天气、 海况数据及之外， 还需要确定历史速度数据的长度b的取值； S32、 运用k折交叉验证， 通过最小化模型预测误差确定模型的5个超参数， 分别为： 树的 最大深度， 分割一个节点所需的最小 数据数， 构成一个节点所需的最小 数据数， 森林中包含 的决策树数目和在每 个决策树中寻找 节点的最佳分割时需要考虑的特 征数量； S33、 按照确定的参数和输入变量， 训练得到最终随机森林模型。 4.根据权利要求3所述的一种基于结合时序随机森林的短期船舶航速预测方法， 其特 征在于： 所述确定历史速度数据的长度b的取值通过预实验的方法， 输入不同的b值， 计算预 测结果与真实测量值之间的均方根误差， 最终选取预测误差最小时对应的b值作为最终结 果。 5.根据权利要求1所述的一种基于结合时序随机森林的短期船舶航速预测方法， 其特 征在于： 所述 通过训练后的所述随机森林模型进行 预测包括单步预测 和多步预测。权　利　要　求　书 2/3 页 3 CN 114330895 A 3