Pretražite po imenu i prezimenu autora, mentora, urednika, prevoditelja

Napredna pretraga

Pregled bibliografske jedinice broj: 1048705

Model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina


Vorkapić, Aleksandar
Model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina, 2020., doktorska disertacija, Pomorski fakultet, Rijeka


CROSBI ID: 1048705 Za ispravke kontaktirajte CROSBI podršku putem web obrasca

Naslov
Model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina
(A Model of Monitoring and Prediction of Energy Efficiency and Carbon Dioxide Emission in Case of Liquified Petroleum Gas Carrier)

Autori
Vorkapić, Aleksandar

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, doktorska disertacija

Fakultet
Pomorski fakultet

Mjesto
Rijeka

Datum
07.02

Godina
2020

Stranica
176

Mentor
Radonja, Radoslav ; Martinčić-Ipšić, Sanda

Ključne riječi
operacijska učinkovitost broda, energetska učinkovitost plovidbe, smanjenje emisija ugljikova dioksida s brodova, strojno učenje, klasifikacija, regresija, senzorski podaci
(ship operational performance, energy efficient navigation, ships’ carbon dioxide emission reduction, machine learning, classification, regression, sensor data)

Sažetak
U ovom istraživanju predstavljen je model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida temeljenim na senzorskim podacima preuzetim s broda za prijevoz ukapljenoga naftnog plina te meteorološkim i oceanografskim podacima sukladnim geografskom položaju i vremenu plovidbe. Za gradnju modela upotrijebljene su metode strojnog učenja u sinergiji s općom teorijom sustava. Model upotrebljava klasifikacijske i regresijske postupke strojnog učenja: naivni Bayes, višeslojni perceptron, strojeve s potpornim vektorima, stabla odlučivanja, šumu slučajnih stabala te multinominalnu logističku i linearnu regresiju. Nakon verifikacije postupaka pripreme podataka, učenja klasifikacijskih i regresijskih modela i analize rezultata kako bi se poboljšala točnost predviđanja energetske učinkovitosti, na temelju standardnih mjera evaluacije (točnost, F1 mjera i ostale) odabran je najbolji algoritam za učenje modela. Eksperimentalni rezultati pokazuju da, uz potrošnju goriva kao izlaznu varijablu predviđanja te odgovarajuću kombinaciju i obradu relevantnih podataka senzora, šuma slučajnih stabala postiže najbolji rezultat od 97, 40% ispravno klasificiranih slučajeva i koeficijent korelacije od 0, 9992 kod regresije. Uz to, svojom fleksibilnošću i jednostavnošću upotrebe te uz minimalna podešavanja potrebnih parametara, predstavlja najbolji izbor za uključivanje u model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida. Opća teorija sustava rabljena je u prepoznavanju i tranzicijama komponenti predloženog modela nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina, sustavnom istraživanju unutarnjeg i vanjskog okruženja te definiranju informacijskih tokova između pojedinih komponenti. Potom su vanjske mogućnosti i prijetnje s kojima se suočava sustav suprotstavljene unutarnjim snagama i slabostima da bi se kao rezultat formulirale strategije u kojima su slabosti i prijetnje sustava neutralizirane postojećim snagama i mogućnostima. Slijedom vrednovanja odabranih postupaka strojnog učenja, te rezultata SWOT i TOWS analize, moguće je zaključiti da je postavljeni model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina ostvariv te široko primjenjiv u pomorskoj industriji. U doktorskoj disertaciji pokazano je da se obradom senzorskih podataka preuzetih u plovidbi s uključenim podacima o vanjskim utjecajima može postaviti model koji opisuje, predviđa i omogućuje prilagodbu relevantnih operacijskih parametara broda za energetski učinkovitiji prijevoz ukapljenoga naftnog plina.

Izvorni jezik
Hrvatski

Znanstvena područja
Tehnologija prometa i transport



POVEZANOST RADA


Ustanove:
Pomorski fakultet, Rijeka,
Fakultet informatike i digitalnih tehnologija, Rijeka

Poveznice na cjeloviti tekst rada:

repository.pfri.uniri.hr

Citiraj ovu publikaciju:

Vorkapić, Aleksandar
Model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina, 2020., doktorska disertacija, Pomorski fakultet, Rijeka
Vorkapić, A. (2020) 'Model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina', doktorska disertacija, Pomorski fakultet, Rijeka.
@phdthesis{phdthesis, author = {Vorkapi\'{c}, Aleksandar}, year = {2020}, pages = {176}, keywords = {operacijska u\v{c}inkovitost broda, energetska u\v{c}inkovitost plovidbe, smanjenje emisija ugljikova dioksida s brodova, strojno u\v{c}enje, klasifikacija, regresija, senzorski podaci}, title = {Model nadzora i predvi\djanja energetske u\v{c}inkovitosti i ispu\v{s}tanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina}, keyword = {operacijska u\v{c}inkovitost broda, energetska u\v{c}inkovitost plovidbe, smanjenje emisija ugljikova dioksida s brodova, strojno u\v{c}enje, klasifikacija, regresija, senzorski podaci}, publisherplace = {Rijeka} }
@phdthesis{phdthesis, author = {Vorkapi\'{c}, Aleksandar}, year = {2020}, pages = {176}, keywords = {ship operational performance, energy efficient navigation, ships’ carbon dioxide emission reduction, machine learning, classification, regression, sensor data}, title = {A Model of Monitoring and Prediction of Energy Efficiency and Carbon Dioxide Emission in Case of Liquified Petroleum Gas Carrier}, keyword = {ship operational performance, energy efficient navigation, ships’ carbon dioxide emission reduction, machine learning, classification, regression, sensor data}, publisherplace = {Rijeka} }




Contrast
Increase Font
Decrease Font
Dyslexic Font