基于经验知识的船舶螺旋桨水动力样本扩充方法及其在预报代理模型中的应用

作     者：谢硕 陈奕宏 强以铭 李亮 XIE Shuo;CHEN Yi-hong;QIANG Yi-ming;LI Liang

作者机构：中国船舶科学研究中心江苏无锡214082 深海技术科学太湖实验室江苏无锡214082 浙江大学航空航天学院杭州310027 

出 版 物：《船舶力学》 (Journal of Ship Mechanics)

年 卷 期：2024年第28卷第1期

页      面：36-44页

核心收录：

学科分类：08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0835[工学-软件工程] 0824[工学-船舶与海洋工程] 082401[工学-船舶与海洋结构物设计制造] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：样本扩充 经验知识 机器学习 船舶螺旋桨 水动力性能 代理模型 

摘      要：近几年来,越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报,但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高,即数据对应参数分布较为集中,严重不均匀,这些问题都会影响代理模型预报的准确率与可靠性。为了解决这一实际困难,本文提出一种基于经验知识的样本扩充方法,并以船舶螺旋桨水动力性能的代理模型预报为例进行应用验证。结果表明:本文使用的样本扩充方法可以快速生成数据样本,可以一定程度上改善预报代理模型的可靠性,提升预报精度。