**物理信息机器学习框架用于IMO CII法规下的预航行船舶燃油消耗预测与验证协议**

《Journal of Marine Science and Engineering》:AI-Driven Maritime Traffic Risk Assessment for Smart Seaports: Multi-Vessel Conflict Reasoning and Runtime Safety Assurance

【字体: 大 中 小 】 时间:2026年09月24日 来源:Journal of Marine Science and Engineering 3.2

编辑推荐:

  随着国际海事组织(International Maritime Organization, IMO)碳强度指标(Carbon Intensity Indicator, CII)法规的年减排因子逐步收紧,在航行前根据运行工况预测船舶燃油消耗变得至关重要。然而,现

  
随着国际海事组织(International Maritime Organization, IMO)碳强度指标(Carbon Intensity Indicator, CII)法规的年减排因子逐步收紧,在航行前根据运行工况预测船舶燃油消耗变得至关重要。然而,现有的数据驱动预测器存在两个方法论盲点:非物理响应的可能性以及随机验证分割的乐观偏差。本研究提出了一种物理信息机器学习框架,用于预测船舶每日总燃油消耗量(推进、酒店及辅助负载之和),其中在给定航速下燃油消耗不得随天气恶化而减少(部分单调性)这一物理要求,被作为显式单调性约束施加于随机森林(Random Forest)和XGBoost模型。该框架与反映IMO MEPC决议的CII计算引擎耦合,并在一种防止运行时间序列中信息泄漏的验证协议下进行验证:在包含缓冲区的连续时间块上进行验证,并在重复中轮流旋转;遵循相同时间块规则的交叉验证折叠(分割一致的折叠外(out-of-fold, OOF)预测);以及一项移除可由目标算术推导的输入变量的审计。该框架与数据集无关;其实证验证基于公开可用的测量数据。在来自三艘不同类型、尺寸和推进系统船舶的实测数据上,受约束的XGBoost实现了R2 = 0.943 ± 0.007,且无精度损失(ΔR2 = +0.006),同时完全消除了累积局部效应中的非物理逆转(8、7和9次变为0次)。随机分割的乐观偏差被量化为+0.032,这是相对于种子级离散度的系统性差异,并且船舶固定效应回归表明,燃油消耗的航速弹性——航速-燃油幂律的指数——无法从年度公开汇总数据中识别。当预测的燃油消耗转换为CII时,平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为6.80%,预测评级与实测评级在80.6%的记录中一致(95.8%在一个等级之内)。在已验证的三艘船舶范围内,这些结果表明该框架可作为CII规划的预航行筛选工具;对主流货船的验证仍有待进行。
**论文解读:面向IMO CII法规的物理信息机器学习船舶燃油消耗预测框架**

**1. 研究背景与问题**

在国际海事组织(International Maritime Organization, IMO)2023年修订的温室气体战略下,5000总吨及以上国际航行船舶自2023年起需每年计算营运碳强度指标(Carbon Intensity Indicator, CII)并获得A至E评级。由于CII要求的年度减排因子逐年加强,即使船舶保持相同营运模式,其评级也可能随时间恶化。然而,现行CII评估仅依据年度汇总报告进行事后评级确认,无法在航次规划阶段为船东和运营商提供定量比较不同对策(如降速航行或燃料切换)的技术支持。因此,开发一种能从航速和天气等运行工况出发提前预测燃油消耗并将预测连接到CII评级计算的技术的需求十分迫切。

近年来,基于实测运行数据的机器学习燃油消耗预测研究积累迅速,研究表明树集成和神经网络在预测精度上超越物理和统计模型。然而,现有方法存在两个方法论盲点:第一,纯数据驱动模型可能产生非物理响应——例如在给定航速下,恶劣天气反而导致预测燃油消耗降低,这源于训练数据中的噪声和局部偏差,但这类响应的存在极少被系统诊断;第二,多数性能指标依赖随机训练-测试分割,在运行时间序列中,相邻记录之间的信息泄漏使随机分割高估模型在真正未见过的未来时段上的性能,而这种乐观偏差的大小尚未被量化。此外,现有的CII预测研究(包括最接近的对比文献)均依赖无约束学习器和传统随机验证,既无法保证预测响应的物理单调性,也无法保证验证的保守性。同时,尽管年度汇总公开数据(如EU MRV报告)被广泛利用,但燃油消耗的航速弹性(航速-燃油关系的指数)是否能从年度分辨率数据中被统计识别,同样未得到检验。

**2. 研究内容与意义**

针对上述问题,研究人员提出了一种带单调性约束的物理信息机器学习框架,用于与IMO CII法规关联的预航行每日燃油消耗预测。预测目标为船舶每日总燃油消耗量(推进、酒店和辅助负载的总和),因为该量正是进入CII计算的数值。框架具有通用性,其数据摄取、CII引擎、约束规范和验证协议仅依赖于输入变量的物理含义,不针对特定船舶或数据集;其实证验证则受限于公开可用的实测运行数据——两艘邮轮和一艘近海支援船,因此本研究应被视为概念验证。研究贡献主要有三方面:一是将“在给定航速和其他运行条件不变时,预测燃油消耗必须随每个天气严重程度变量非递减”(部分单调性)这一物理要求,作为显式约束施加于随机森林(Random Forest)和XGBoost,并在三艘不同类型、尺寸和推进系统船舶的实测数据上证明累积局部效应(Accumulated Local Effects, ALE)中的非物理逆转段被完全消除(每艘船8、7、9次降为0),且无精度损失(ΔR2 = +0.006);二是通过船舶固定效应回归证明,燃油消耗的航速弹性(即幂律关系FOC∝Vn中的指数n,表示航速变化1%引起的燃油消耗变化百分比)因构造恒等式而无法从EU MRV年度汇总数据中识别,由此确立了数据角色分离原则;三是制定了使验证数据不向训练数据泄漏信息的模型验证协议,将随机分割的乐观偏差量化为R2上的+0.032,并显示转化为CII后的预测燃油消耗实现6.80%的平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)和80.6%的评级一致性(95.8%在一个等级以内)。

**3. 关键技术方法**

研究使用了两个不同时间分辨率的公开数据集。第一个是EU MRV(Monitoring, Reporting and Verification)公开数据集,为每艘船的年度汇总数据,包含船型、IMO编号、容量(DWT或GT)、年航行距离、海上航行小时数、年燃油消耗量和CO?排放量;使用最近一期16,273艘船(排除冰级船)的报告进行CII评级诊断和船队基准比较,并使用2018–2025年合并面板数据(24,845艘船,100,550行)进行可识别性分析。第二个是FuelCast开放数据集,包含三艘不同类型、尺寸和推进系统船舶的每日实测记录:大型邮轮Poseidon、小型邮轮Triton和近海支援船Ceto。预测目标为每日总燃油消耗量(吨/天),由质量流量计测量。技术路线包括:构建反映IMO MEPC决议参考线、减排因子、碳转换因子和评级边界的CII计算引擎;采用立方定律(FOC∝P∝Vn)作为航速-燃油关系的物理基线;使用随机森林和XGBoost回归模型,通过scikit-learn的monotonic_cst和XGBoost的monotone_constraints功能实施单调性约束,约束特征为航速、风速、有效波高、涌浪高度和海况指数,特征约束向量按各船自身的特征顺序组装;验证协议采用净化连续时间块分割(验证块为连续20%时间序列,两侧各2%缓冲区从训练中排除,块位置按fold = seed mod n_fold规则在五个区段间旋转),分割一致的折叠外(out-of-fold, OOF)预测模式,并在训练前执行泄漏审计以排除可从目标算术推导的输入变量。评估指标包括决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)及标准化度量RAAE和RMAE;物理约束效果通过20个分位数箱内的ALE曲线计算;法规准确性通过将OOF预测转换为每日CII式指标并应用MEPC.354(78)边界进行评估。

**4. 主要研究结果**

**4.1 年度汇总中航速弹性的不可识别性**
对EU MRV面板数据进行船舶固定效应回归,全面板组内估计值为b = 0.819 ± 0.007,与物理预期b ≈ n = 3严重不符;按船型划分的组内估计仅在0.452(客船)至1.004(集装箱船)之间,集装箱船数值本质上接近公式(8)中构造恒等式的单位斜率,直接证明系数受构造恒等式而非水动力学支配。日常实测数据则包含独立于燃油记录观测的充足组内航速变化,使航速-燃油响应可识别。结果从经验上证实了第二节中推导的不可识别性,并验证了数据角色分离设计的合理性。

**4.2 基线比较与乐观偏差量化**
在相同时间块分割协议(5次重复)下,立方定律物理模型在Poseidon上仅达到R2 = 0.386 ± 0.179,线性回归为0.716 ± 0.055,随机森林为0.928 ± 0.014,无约束XGBoost为0.937 ± 0.016,而单调约束XGBoost实现0.943 ± 0.007,同时获得最高平均精度和最低离散度,约束引起的性能变化ΔR2 = +0.006,五种子标准差从0.016降至0.007。随机分割与时间块分割的对比显示,随机分割报告R2 = 0.975 ± 0.001,量化乐观偏差为+0.032,该偏差相对于种子级离散度(0.001和0.007)是系统性非重叠差异,不能由种子随机性或块位置偶然变化解释。分割一致OOF交叉验证下,约束XGBoost记录R2 = 0.956 ± 0.001,RMSE为7.043 t/天,MAE为4.886 t/天,优于随机森林。嵌套搜索的调优增益小于0.01,不改变结论。

**4.3 物理单调性约束的效果**
在实测天气范围内20个分位数箱的ALE对比中,无约束XGBoost在有效波高维度表现出非物理逆转段(预测燃油随有效波高增加而减少):Poseidon为8个箱,Triton为7个箱,Ceto为9个箱。逆转主要集中在低至中等波高范围(Poseidon为0.24–1.1 m,Triton为0.3–1.6 m,Ceto为0.3–2.1 m),该范围内真实天气效应很小(每日不到1吨),局部斜率由残余噪声和与温和天气相关的变量决定。施加约束后,三艘船的逆转计数均降为零,而高波高区域上升的ALE斜率与无约束情况相似,确认约束未扭曲真实天气-燃油信号。结合精度结果,在包含柴油-电力、直驱柴油和推进器吊舱推进的三种船舶(GT 11,000至70,000)上实现“无精度损失加完全逆转消除”的重复,证明了单调性约束效应的普适性。

**4.4 约束模型的天气敏感性**
在观测航速分布的15分位数(12.8节)、50分位数(16.4节)和85分位数(20.1节)三个运行速度下,预测的每日燃油消耗随测量范围内风速增加而单调增加,且每单位风速增量对应的额外燃油随运行速度增大而增大——20.1节时约为5吨/天(约占静水天气值的4%),16.4节时约为1.5吨/天(约2%),12.8节时小于1吨/天(约1%)。将天气影响表示为相对于静水天气运行点归一化为100的CII时,不利天气曲线在整个速度范围内相对于静水曲线向上移动,降低了维持给定评级所允许的航速。由于单调性约束保证了整条敏感性曲线的物理一致性,这些曲线可直接用于运营决策支持。

**4.5 CII与评级预测精度**
在OOF验证集(2486条记录)上,CII预测实现MAPE为6.80%(中位数5.01%),MAE为0.705,RMSE为1.470 gCO?/(容量·海里)。应用MEPC.354(78)评级边界后,预测与实测评级的一致性为80.6%,一个等级以内的一致性为95.8%。按实测每日CII与最近边界的相对距离分层:2%以内的记录(占18%)仅51%评级正确,2%–5%区间(占24%)为62%,距任何边界10%以上的记录(占52%)评级正确率达98.5%。将每个验证块通过公式(13)聚合为年度等效CII后,误差在?3.6%至+3.4%之间。在Poseidon上,U形的CII-速度曲线显示最低点位于约13–14节,维持A评级的最大速度从与A/B边界交点读出为18.6节;在逐年加强的减排因子下,中位航速(16.4节)保持A级至2029年、2030年转为B级,而85分位航速(20.1节)则于2026年从B降至C、2030年降至D。

**5. 讨论与结论**

讨论部分指出,物理信息单调性约束完全消除了预测中的非物理逆转且无精度损失,其机制在于单调性约束充当了方向性正则化器,防止树分裂在低密度区域直接拟合噪声,这由五种子标准差从0.016降至0.007得到有力支持。乐观偏差+0.032属于结构性系统差异,源于分割两侧相邻自相关记录的信息泄漏;相同协议在其他数据集上的偏差从千分之几到约0.05不等,因此在自相关运行序列中随机分割预期是乐观的,其方向是结构性的,幅度需在每个数据集上测量。固定效应回归结果(b = 0.819 ± 0.007对照b ≈ n = 3)表明估算年度分辨率MRV数据中的航速弹性被构造恒等式扭曲,研究由此提出“数据角色分离原则”:在分配建模角色前对数据源施加三个测试——Q1(航速或距离是否独立于燃油记录观测)、Q2(是否有可从目标算术推导的输入)、Q3(记录是否按时间排序且自相关)。预测与计算之间的连接支持预航行评级诊断,实现记录级80.6%精确一致和95.8%一个等级内一致,区块级年度等效CII误差在±3.6%以内,将框架效用从简单的单年诊断扩展到中期营运规划(如确定降速或燃料切换的最佳时机),但应定位为稳健的预航行筛选工具而非官方验证的替代品。

研究存在若干局限:定量发现基于三艘具有开放实测数据的船舶,不能声称超出其范围普遍适用,需在主流货船(集装箱船、油轮和散货船)上扩展验证并加入装载工况变量(吃水作为+1约束候选,纵倾保持无约束)、将满载和压载航段作为独立机制处理、CII灵敏度需同时报告货运利用率效应;日分辨率数据固有地平均化了航次内天气变化,未来应结合AIS位置与ERA5再分析数据集采用航次和小时级数据;当前数据集缺少关键装载工况变量(吃水和纵倾);单调性约束目前仅施加单变量方向性,扩展至多元交互物理约束仍是关键未来方向。

结论部分总结:受约束XGBoost在时间块分割下实现R2 = 0.943 ± 0.007,超过物理模型(0.386)、线性回归(0.716)、随机森林(0.928)和无约束XGBoost(0.937),约束无精度损失(ΔR2 = +0.006;标准差0.016→0.007);三艘船上的非物理ALE逆转段被完全消除(8、7、9→0),表明物理有效性和预测精度的同步实现在所检验的三种船型上得到重复;随机分割的乐观偏差被量化为+0.032并确认为相对于种子级离散度的系统性非重叠差异;船舶固定效应回归显示年度汇总公开数据中航速弹性不可识别,确立了数据角色分离原则;基于预测燃油的CII实现MAPE 6.80%和评级一致性80.6%(一个等级内95.8%),其精度支持已验证船舶的预航行评级筛选和中期规划,评级边界附近的置信度界限已量化。这些结论来源于两艘邮轮和一艘近海支援船,构成概念验证;在包含装载工况变量的主流货船上扩展验证后方可视为通用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号