基于CNN-GRU混合模型的养殖工船水体溶解氧预测研究

溶解氧(Dissolved oxygen,DO)是影响养殖工船水产品健康生长的重要因素,准确预测DO对提高水产品产量和品质具有重要意义。为提高DO预测精度,以卵形鲳鲹(Trachinotus ovatus)养殖试验采集的数据为样本,使用卷积神经网络(Convolutional neural network,CNN)和门控循环单元(Gated recurrent unit,GRU)方法建立养殖工船水体DO预测混合模型,通过Pearsons相关性分析,选用DO、温度、pH和循环水流量4个预测因子进行训练和校准,预测了DO含量。通过与CNN、GRU和长短期记忆(Long short-term memory,LSTM)模型进行对比,所建模型在各项评价指标中的性能均最优,其均方根误差(Root mean square error,RMSE)、平均绝对误差(Mean absolute error,MAE)和决定系数R 2分别为0.119、0.084和0.976。结果表明,所建模型的预测精度最高,可以满足养殖工船实际生产中对DO预测的需求,为养殖工船生产过程中DO的监控和预警提供参考。

基于性价比决策的船舶储能容量多目标优化方法

针对传统船舶搭配储能系统时容量配置上的多目标选择难题,设计一种基于性价比决策的多目标优化方法,使得储能系统在可靠性和经济性上占优。以某全电船舶为研究对象,阐明了船舶发电机和储能系统配合运行的机理,采用多目标樽海鞘群算法同时对储能成本、寿命损耗系数两个目标进行优化,最后根据性价比法对输出的非劣解做进一步决策。结果表明,性价比法能够缩小决策范围,计算得到的储能容量配置能够可靠满足船舶电网的需求,大幅提升船舶发电机的效率。