基于PSO-XGBoost的船舶特涂工序能耗预测

作者：蒋清华; 任新民; 姜军; 欧阳彬; 彭保

来源：软件工程, 2023, 26(01): 50-54.

DOI：10.19644/j.cnki.issn2096-1472.2023.001.011

• 船舶特涂
• 能耗预测
• SHAP
• PSO-XGBoost模型

涂装是修造船企业最大的能耗单元，能耗预测是船舶智能能效优化中的一项重要任务。应用XGBoost模型对船舶特涂工序能耗进行分析。采用基于博弈论的SHAP(解释机器学习模型输出)方法解释变量因子对目标准确预测的影响。利用粒子群算法(PSO)优化XGBoost模型超参数，从而构建PSO-XGBoost模型对船舶特涂工序能耗历史数据进行训练拟合，并与其他能耗预测模型进行对比实验。结果表明，基于PSO-XGBoost的船舶特涂工序能耗预测模型的预测结果误差MAPE仅为12.21%，效果优于XGBoost、LR、KNN、RF模型。

• 单位
  深圳信息职业技术学院; 湖南工商大学; 友联船厂（蛇口）有限公司