تطوير نماذج شاملة لتنبؤات دقيقة لاستهلاك وقود السفن

تشمل هذه الدراسة خوارزميتين فريدتين من التعلم الآلي، وهما انحدار هوبر وآلات تعزيز التدرج الخفيف (LGBM)، لتقدير استهلاك السفن من الوقود. تُستخدم هذه الأساليب لإنشاء نماذج توقع لاستهلاك وقود السفن خلال الرحلات، وهو أمر مفيد بشكل خاص عند التعامل مع البيانات غير الخطية. ثم تقوم الدراسة بتحليل وتقييم دقة التنبؤ لهذين الأسلوبين مقارنةً بنموذج أساسي تم إنشاؤه باستخدام الانحدار الخطي. تظهر نتائج التحقيق أن كلا الطريقتين تحقق توقعات دقيقة للغاية بينما تتعامل بسرعة مع البيانات غير الخطية. ومع ذلك، يتفوق النموذج القائم على هوبر على LGBM من حيث دقة التنبؤ، مع قيمة R-squared تبلغ 0.979 مقابل 0.917 لـ LGBM. بالإضافة إلى ذلك، يحتوي النموذج القائم على هوبر على خطأ تنبؤ أقل، مع RMSE يبلغ 2.278، مقارنةً بـ RMSE لنموذج LGBM والبالغ 4.55. علاوة على ذلك، أسست الطرق الرسومية لمخطط الكمان ورسم تايلور تفوق هوبر في التعلم الآلي. تشير هذه النتائج إلى أن انحدار هوبر قد يكون خيارًا مناسبًا لتقدير استخدام وقود السفن في الوقت الفعلي أثناء الرحلات. كنتيجة لذلك، تؤكد هذه الدراسة الفوائد المحتملة للتعلم الآلي في التنبؤ بدقة باستهلاك وقود السفن، مما يوفر إمكانيات مشجعة لتحسين استخدام الوقود مع تقليل انبعاثات غازات الدفيئة.