基于泰洛标准组剩余阻力系数集[1]，采用6种经典机器学习回归预测模型，随机抽取数据集不同排列组合作为训练样本和测试样本，以测试样本的真实值和预测值的均方误差和相关系数作为不同回归预测模型的评价指标。同时在其他参数相同的条件下,对4组不同宽度吃水比做线性插值，将所得剩余阻力系数与回归模型预报结果进行比较。结果表明，回归树在所选模型中对于泰洛标准组船舶阻力预报具有较高精度和较好的泛化能力，为以后船舶阻力预报近似模型的选择提供参考。
Based on Taylor standard set of residual resistance coefficient[1], use 6 kinds of classical machine learning regression prediction models, extract different permutation of the data set as the training samples and test samples, choose the mean square error and correlation coefficient of actual output and predicted output of the test samples as evaluation index of different regression prediction models. At the same time, under the condition of other same parameters，obtain residual resistance coefficient of four groups of different ratio of breadth to draught through linear interpolation method and regression model method. By comparing the result of different methods, it is showed that the regression tree in the selected models has higher precision and better generalization ability for Taylor standard set of ship resistance prediction, can provide a good reference for the selection of approximate model of ship resistance prediction in the future.
2019,41(12): 6-10 收稿日期：2018-10-10
DOI：10.3404/j.issn.1672-7649.2019.12.002
分类号：U661.31
作者简介：张乔宇(1995-),男,硕士研究生。研究方向为人工智能方法在船型优化设计中的应用
参考文献：
[1] 盛振邦, 刘应中. 船舶原理(上册)[M]上海: 上海交通大学出版社, 2003.
[2] 肖振业, 冯佰威, 刘祖源等. 基于支持向量机的船舶阻力近似模型研究[C]//2014年MIS/S&A学术交流会议论文集; 2014年.
[3] 陈爱国, 叶家玮, 苏曙. 船舶阻力计算BP神经网络的研究[J]. 武汉理工大学学报, 2009, 34(1): 209–216
[4] 陈爱国, 叶家玮. 基于神经网络的船舶阻力计算数值实验研究[J]. 中国造船, 2010, 51(2): 21–27
[5] 李纳, 陈明, 刘飞, 等. 基于广义回归神经网络与遗传算法的玻璃钢渔船船型要素优化研究[J]. 船舶工程, 2012, 34(4): 18–20, 65
[6] 肖振业, 冯佰威, 刘祖源, 等. 基于支持向量机的船舶阻力近似模型[J]. 计算机辅助工程, 2015, 24(4): 20–23
[7] Devrim Bülent Danışman. Reduction of demi-hull waveinterference resistance in fast displacement catamarans utilizing an optimized center bulb concept[J]. Ocean Engineering, 2014, 91: 227–234
[8] Jong-hyun Lee, Sung-soo Kim, Soon-sup Lee, et al. Prediction of added resistance using genetic programming[J]. Ocean Engineering, 2018, 153: 104–111
[9] 张维, 王先洲. 基于改进PSO的BP神经网络在船舶设计中的应用[J]. 中国水运, 2014, 14(1): 64–67
[10] 刘钊, 杜威, 闫冬梅, 等. 基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 公路交通科技, 2017, 34(5): 122–128
[11] 李航. 统计学习方法[M]. 北京: 清华大学出版社, 2012.
[12] Peter Harrington. Machine Learning in Action[M] America: Oracle Corporation, 2012.
[13] 李冬琴, 王丽铮, 王呈方. 支持向量机回归方法在船型要素建模中的应用[J]. 中国舰船研究, 2007, 2(3): 18–21
[14] 包子阳, 余继周. 智能优化算法及其MATLAB实例[M]北京: 电子工业出版社, 2016.
[15] 陈峰. 基于CART算法的空气质量指数回归预测模型的学习[J]. 上饶师范学院学报, 2016, 6: 16–21
[16] 姜次平. 重分析后之泰洛标准组阻力数据[J]. 交通大学学报, 1958, 3: 221–238
