Core Concepts
旅客船の効率的な運用を評価するための時系列予測モデルを開発
Abstract
持続可能性へのコミットメントから、旅客船の燃料消費削減方法に焦点を当てた研究。
ログベースとセンサーベースのデータを使用した燃料消費予測モデルに関する文献レビュー。
モデルは過去2年間のフェリー運用データを活用し、未来の最適化アルゴリズムに役立つ。
プレトレーニングされたTransformer(Informer)とGRUを組み合わせた枠組みで高いパフォーマンスを実現。
Preprocessing
ドメイン知識に基づいた欠損値処理と外れ値管理が重要。
特徴量エンジニアリングや異常値処理により、精度向上が図られている。
Modeling
AR + GRUアプローチが最も優れたパフォーマンスを示すことが確認されている。
シーケンス長や予測先行時間など、ハイパーパラメータ調整が重要。
Environment
RL対応データセットとGym環境が提供され、オフラインRL設定で利用可能。
3つの報酬段階を持つカリキュラム学習が導入され、FC最小化と到着時間厳守に焦点を当てている。
Stats
この論文ではAR + GRUアプローチでRMSEおよびR2が最も優れていることが示されています。