heal.abstract |
Η παρούσα διπλωματική εργασία επιχειρεί να ποσοτικοποιήσει την επίδραση της μετασκευής ενός πλοίου στην ενεργειακή αποδοτικότητά του. Προς τούτο, αξιοποιούνται δεδομένα από αυτοματοποιημένη καταγραφή και από πάροχο μετεωρολογικών υπηρεσιών, τα οποία έχουν ληφθεί σε χρονικό διάστημα πριν και μετά τη μετασκευή. Αρχικά, απαιτείται η προετοιμασία των δεδομένων, έτσι ώστε να αφαιρεθούν σημεία εκτός της σταθερής κατάστασης πλεύσης στην οποία εστιάζει η εργασία. Στη συνέχεια, διερευνώνται τεχνικές σχεδίασης Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ), με τη βοήθεια σύγχρονων μεθόδων της Μηχανικής Μάθησης. Συγκεκριμένα, εξετάζονται διάφορα στοιχεία της αρχιτεκτονικής και της διαδικασίας εκπαίδευσης των ΤΝΔ, έτσι ώστε να παραχθεί ένα μοντέλο πρόβλεψης της κατανάλωσης καυσίμου. Η ικανότητα γενίκευσης του μοντέλου αξιολογείται με βάση την επίδοση του σε δεδομένα που δεν έλαβαν μέρος στην εκπαίδευσή του. Επιπλέον στο στάδιο αυτό, συγκρίνονται τα αποτελέσματα που προκύπτουν από τη χρήση διαφορετικών μεταβλητών εισόδου, ώστε να επιβεβαιωθεί η συνεισφορά της καθεμίας. Έπειτα, διαπιστώνεται η βελτίωση της ενεργειακής αποδοτικότητας εξαιτίας της μετασκευής μέσω του υπολογισμού κατάλληλων δεικτών απόδοσης (KPIs). Η τελική εκτίμηση της εξοικονόμησης καυσίμου ως αποτέλεσμα της μετασκευής γίνεται με τη βοήθεια των μοντέλων ΤΝΔ, τα οποία έχουν εκπαιδευτεί σε ξεχωριστά δεδομένα πριν και μετά τη μετασκευή. |
el |