海洋脱炭素化を支援するための船舶バイオファウリング評価のための物理学に基づく機械学習

船舶バイオファウリングは、船体の抵抗とプロペラの負荷を著しく増加させ、燃料使用量と温室効果ガスの排出量を増加させます。本研究は、バイオファウリングによって引き起こされる性能劣化を検出するための物理学に基づく機械学習アプローチを提示します。まず、物理に基づくニューラルネットワークを使用して、穏やかな水面条件下での理想的で未汚染の船舶状態を表すウォームアップデータを生成します。このデータから基礎モデルを構築し、次にスライディング時間ウィンドウで収集された新しいデータを用いた逐次学習スキームで精緻化します。その結果得られた逐次モデルは、基準条件下で適用され、バイオファウリングによって引き起こされる性能の変化を量的に評価し、主要なパフォーマンス指標として表現されます。従来の再訓練アプローチおよびISO 19030標準との対比による検証により、提案手法は徐々の劣化と清掃後の急速な回復の両方をより正確に捉えていることが示されました。汚損影響の信頼性が高くタイムリーな評価を提供することにより、このフレームワークは船体とプロペラのメンテナンス計画を最適化し、エネルギー効率の向上と排出削減に寄与します。