以港口水域船舶的节能减排为目标，研究港口水域船舶异常能耗云数据挖掘方法。采集港口水域船舶的AIS云数据，删除与船舶能耗无关以及异常数据，利用K-means聚类算法对船舶能耗相关船舶主机转速以及船舶主机功率等数据进行聚类，输出船舶不同运行工况的能耗。利用贝叶斯分类器依据聚类结果识别港口水域船舶能耗云数据是否为异常数据，完成港口水域船舶异常能耗云数据挖掘。实验结果表明，该方法的船舶异常能耗数据挖掘精度高，为船舶的节能减排提供依据。
Aiming at the energy conservation and emission reduction of ships in port waters, the cloud data mining method of abnormal energy consumption of ships in port waters is studied. Collect AIS cloud data of ships in port waters, delete irrelevant and abnormal data related to ship energy consumption, use K-means clustering algorithm to cluster the data related to ship energy consumption, such as ship main engine speed and ship main engine power, output the energy consumption of ships under different operating conditions, and use Bayesian classifier to identify whether the ship energy consumption cloud data in port waters is abnormal data according to the clustering results. Complete cloud data mining of abnormal energy consumption of ships in port waters. The experimental results show that the data mining accuracy of ship abnormal energy consumption is high, which provides a basis for ship energy conservation and emission reduction.
2022,44(3): 143-146 收稿日期：2021-08-05
DOI：10.3404/j.issn.1672-7649.2022.03.028
分类号：U675
基金项目：江苏高校研究项目(2021SJB0878)
作者简介：李莹(1982-)，女，硕士，讲师，研究方向为计算机应用、数据挖掘及船舶工程
参考文献：
[1] 曹伟, 刘亚帅, 管志强. 采用编码降维及DTW算法改进的船舶航迹聚类[J]. 现代防御技术, 2019, 47(5): 151–156
[2] 贺亚鹏, 严新平, 范爱龙, 等. 船舶智能能效管理技术发展现状及展望[J]. 哈尔滨工程大学学报, 2021, 42(3): 317–324
[3] 徐晓霞, 姜春茂, 黄春梅. 一种基于三支决策的移动云任务节能卸载方法[J]. 南京理工大学学报, 2019, 43(4): 447–454
[4] 荀径, 赵娇, 孙玉霖, 等. 基于数据挖掘的城轨系统电能消耗模式分析[J]. 北京交通大学学报, 2020, 44(5): 8–16
[5] 李博文, 邓健, 王丽铮, 等. 长江船舶污染能耗水平评价体系构建[J]. 船海工程, 2020, 49(3): 87–91+96
[6] 孙潇潇, 乔继潘, 李荣宗, 等. 船舶主机能耗分布及辅助计算系统开发[J]. 中国造船, 2020, 61(1): 150–156
[7] 高梓博, 杜太利, 张勇, 等. 聚类算法在船舶能效数据挖掘中的应用[J]. 武汉理工大学学报(交通科学与工程版), 2019, 43(2): 286–290
[8] 杨帆, 何正伟, 何帆. 基于LSTM神经网络的船舶异常行为检测方法[J]. 武汉理工大学学报(交通科学与工程版), 2019, 43(05): 886–892
[9] 雷进宇, 初秀民, 蒋仲廉, 等. 内河船舶自动识别系统异常数据的可视分析[J]. 哈尔滨工程大学学报, 2020, 41(6): 840–845
[10] 罗启崟, 龙静, 陈焕新, 等. 基于数据挖掘算法的地铁站能耗时序预测方法[J]. 城市轨道交通研究, 2020, 23(6): 23–27
