买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连海事大学申请的专利基于物理数据混合驱动的双燃料船能效营运指标预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121365600B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511609160.0，技术领域涉及：G06F30/27；该发明授权基于物理数据混合驱动的双燃料船能效营运指标预测方法是由黄连忠;陆亦玲;赵浩洋;王凯;李岱泽;马冉祺设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本基于物理数据混合驱动的双燃料船能效营运指标预测方法在说明书摘要公布了：本发明公开了一种基于物理数据混合驱动的双燃料船能效营运指标预测方法，包括：采集液化天然气双燃料船舶历史能效数据并进行预处理；通过特征选择得到输入特征。构建物理机理模型预测燃料消耗量，并建立基于贝叶斯优化与鲸鱼优化双级优化算法框架的双向循环神经网络数据驱动模型，以预测物理机理模型与历史船舶各燃料消耗数据的误差；将基于物理机理模型预测得到的各燃料消耗量与数据驱动模型输出的误差通过数据驱动模型与物理机理模型结合形成的物理数据混合驱动模型进行相加，得到最终各燃料消耗量预测结果，并计算得到船舶能效营运指标。本发明能使预测得到的液化天然气双燃料船舶的能效营运指标的相对误差更小，满足实际能效管理需求。

本发明授权基于物理数据混合驱动的双燃料船能效营运指标预测方法在权利要求书中公布了：1.一种基于物理数据混合驱动的双燃料船能效营运指标预测方法，其特征在于，包括： S1：采集液化天然气双燃料船舶的历史能效数据，进行数据预处理，得到预处理后的能效数据；所述历史能效数据包括船舶历史各燃料消耗数据、船舶历史营运数据和航行环境数据； S2：对预处理后的能效数据进行特征选择，得到输入特征数据； S3：根据输入特征数据构建双燃料船舶的物理机理模型，以预测各燃料消耗量； S4：引入双向循环神经网络，构建贝叶斯优化算法和鲸鱼优化算法的双级优化算法框架，对双向循环神经网络进行超参数优化，得到基于双级优化算法框架的数据驱动模型，所述基于双级优化算法框架的数据驱动模型用于接收输入特征数据和船舶历史各燃料消耗数据与基于物理机理模型预测的各燃料消耗量的误差，输出各燃料消耗量的最小误差； S5：将基于双级优化算法框架的数据驱动模型与物理机理模型结合，形成物理数据混合驱动模型；将基于物理机理模型预测得到的各燃料消耗量与基于双级优化算法框架的数据驱动模型输出的各燃料消耗量的最小误差通过物理数据混合驱动模型进行相加，得到基于物理数据混合驱动模型的各燃料消耗量预测结果，进而根据物理数据混合驱动模型输出的各燃料消耗量预测结果计算得到双燃料船能效营运指标预测结果，包括： S51：使用物理机理模型根据输入特征数据进行预测，得到基于物理机理模型的各燃料消耗的预测值； S52：将由S51基于物理机理模型预测得到的各燃料消耗的预测值与船舶历史各燃料消耗数据的误差和输入特征数据输入到基于双级优化算法框架的数据驱动模型中，输出得到的各燃料消耗量的最小误差； S53：将基于双级优化算法框架的数据驱动模型与物理机理模型结合，形成物理数据混合驱动模型；将由S51中得到的基于物理机理模型预测得到的各燃料消耗的预测值与由S52中得到的基于双级优化算法框架的数据驱动模型中输出得到的各燃料消耗量的最小误差通过物理数据混合驱动模型相加得到最终的基于物理数据混合驱动模型的各燃料消耗量预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连海事大学，其通讯地址为：116000 辽宁省大连市甘井子区凌水街道凌海路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。