What does this research mean for the field?

The proposed machine learning approach effectively predicts ship resistance components while maintaining physical interpretability and generalizability across different hull shapes. Novelty: ClaimNovelty.NOVEL_FINDING. Consensus alignment: ConsensusAlignment.NEUTRAL.

What question did this study set out to answer?

목표는 기계 학습과 물리 기반 방법의 조합을 사용하여 선박 저항 요소의 예측을 개선하는 것입니다.

synapse

⌘+K

synapse

⌘+K

February 17, 2026Open Access

선박 저항 예측을 위한 고급 기계 학습

Key Points

목표는 기계 학습과 물리 기반 방법의 조합을 사용하여 선박 저항 요소의 예측을 개선하는 것입니다.
전통적인 물리 기반 접근 방식과 통합된 기계 학습.
마찰 저항 및 파동 저항과 같은 저항 요소를 예측했습니다.
다양한 선체 형태 간의 복잡한 상호작용을 모델링하면서 해석 가능성을 유지했습니다.
전통적인 방법에 비해 저항 요소의 예측 정확도가 향상되었습니다.
선박 저항에 대한 비선형 상호작용에 대한 이해가 증진되었습니다.
모델 출력에서 물리적 해석 가능성을 유지했습니다.

Abstract

선박 저항은 연료 소비와 온실가스 배출에 큰 영향을 미칩니다. 전통적인 반경험적 공식(예: ITTC/Holtrop)은 복잡한 물리학을 단순화하고 다양한 선체 형태 간의 비선형 상호작용을 놓칠 수 있습니다. 기계 학습은 비선형 관계를 모델링할 수 있지만, 순수한 데이터 기반 모델은 종종 물리적 해석 가능성이 결여되어 있으며 서로 다른 선체 계열에 일반화되지 않을 수 있습니다. 우리의 접근법은 물리학과 기계 학습을 결합하여 저항 요소(예: 마찰 및 파동)를 예측하고, 물리학 기반 방법을 사용하여 이들을 재결합하여 해석 가능성과 제약을 유지합니다.

선박 저항 예측을 위한 고급 기계 학습

Key Points

Abstract

Cite This Study