船舶航速优化文献阅读

背景知识

航运贸易逐年增长，占世界贸易的80%以上，而随之带来的船舶燃油产生的二氧化碳排放问题，成为焦点。无论是从成本出发追求节能，还是从生态出发促进减排，船舶能效的优化成为了学术界关注的焦点。这里主要从船舶航速的角度出发考虑，针对船舶航速优化的文献进行针对性的阅读

阅读笔记

袁裕鹏, 王康豫, 尹奇志, 等. 船舶航速优化综述[J]. 交通运输工程学报, 2020, 20(6): 18-34.

这篇文章中，对油耗预测模型进行了分类：分为白盒模型、黑盒模型和灰盒模型，并对三个模型进行简单评价：

白盒模型：最常见的油耗模型，通常基于某一领域的相关知识建立，其结构和参数都已知。例如：孙星等基于船－机－桨的能量传递关系，建立了考虑船体阻力、螺旋桨推进和主机性能的能效模型。船舶主机消耗燃油发出功率经过齿轮箱、轴系等装置传递至螺旋桨，螺旋桨收到功率后，经过螺旋桨与水流之间的相互作，最终转化为推力克服船舶航行阻力推动船舶运动，而水流、波浪、水深、风等海洋扰动因素会改变船舶航行阻力和运动状态，从而对航速产生影响，船－机－桨相互作用关系，如图所示。

黑盒模型：与白盒模型相反，黑盒模型是基于历史数据的统计训练基础上建立的，并且模型内的结构和参数是未知的。黑盒模型相对白盒模型具有更好的拟合性能，但黑盒模型也存在其系数无法反应船舶领域的专业知识和无法被其它研究人员直接使用的缺点。（这里我个人理解是：计算机行业的算法大牛针对油耗预测这个问题开发了一些算法，可能这些算法精度较好，但是实际上考虑的因素并不全面，比如说，没有考虑船和风、流相互作用对船舶油耗带来的影响或者变化的流场带来的影响等等（也有可能正是因为他们考虑的不全面才能通过极其复杂的算法完成求解，很多时候考虑全面了反而求不出来）。因此，实际工程实践中这些算法不一定被采用。）
这里主要提到了几种方法：人工神经网络（ANN）、支持向量机（SVR)以及交替稀疏自编码（ASAE）、稀疏自编码（SAE）等深度学习方法。
灰盒模型：灰盒模型是通过相关领域的先进知识来建立模型结构，并通过训练历史数据确定模型参数。（个人看法：其实就是些比较新、精度比较高的方法、同时具有一定的实用价值，因此比白盒模型和黑盒模型都更好）
绝大多数模型其实都是白盒或者黑盒模型，只有少数是灰盒模型，但是黑盒模型大多基于人工智能算法对数据进行训练学习建立，因此，黑盒模型随着人工智能技术的发展，精度会不断提高，同时，随着计算机算力的增加，其计算效率会进一步提高。
这篇文章还提到以下一点：那就是所有的预测模型都没有考虑污底对于船舶航行的影响，重度污底的情况下，增加的航行阻力占总阻力的50%以上，因此可能导致预测模型普遍存在误差。（这一点之前确实没考虑过，但是考虑过类似的问题：比如考虑流场时，我们很多时候是从二维的层面去考虑力的作用的，实际上，随着水深变化，受力情况也会随之改变，因此需要考虑别的情况）
关于优化策略：待补充