中国海洋大学;中船赛思亿(无锡)电气科技有限公司张延成获国家专利权
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！
龙图腾网获悉中国海洋大学;中船赛思亿(无锡)电气科技有限公司申请的专利基于深度学习模型的营运船舶燃料消耗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：CN121030251B 。
龙图腾网通过国家知识产权局官网在2026-01-27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：202511575512.5，技术领域涉及：G06F18/20；该发明授权基于深度学习模型的营运船舶燃料消耗预测方法是由张延成;常国梅;蒋德志;朱高元;尹晓煊;王同旋;杲春竹;卢振江设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。
本基于深度学习模型的营运船舶燃料消耗预测方法在说明书摘要公布了：本发明属于船舶油耗预测与大数据分析技术领域，涉及一种基于深度学习模型的营运船舶燃料消耗预测方法。该方法包括步骤1：从船舶自动识别系统、机舱监测系统及ERA5气象数据库中同步采集多源数据，进行预处理；步骤2：经预处理的数据输入预训练的CNN‑BiLSTM‑Attention模型中进行船舶燃料消耗预测；其中，所述的CNN‑BiLSTM‑Attention模型由卷积神经网络、双向长短期记忆网络及时间注意力模块组成；模型采用基于航速–功率–燃油物理约束的复合损失函数。本发明在预测精度、鲁棒性以及拟合效果方面表现更为出色。在船舶油耗预测方面与现有技术相比具有更高的准确性和可靠性。
本发明授权基于深度学习模型的营运船舶燃料消耗预测方法在权利要求书中公布了：1.一种基于深度学习模型的营运船舶燃料消耗预测方法，其特征在于，包括以下步骤： 步骤1：从船舶自动识别系统、机舱监测系统及ERA5气象数据库中同步采集多源数据，进行预处理； 步骤2：经预处理的数据输入预训练的CNN-BiLSTM-Attention模型中进行船舶燃料消耗预测；其中，所述的CNN-BiLSTM-Attention模型由卷积神经网络、双向长短期记忆网络及时间注意力模块组成；模型采用基于航速–功率–燃油物理约束的复合损失函数，具体为： ； ； 其中，为均方误差；为物理约束项，即航速–功率–燃油消耗关系约束；为航速，为主机功率，、、为回归参数，为权重；为燃料消耗的预测值。
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中国海洋大学;中船赛思亿(无锡)电气科技有限公司，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励