ارائه مدل ریاضی پیش بینی تریم شناورها با هدف دستیابی به مصرف سوخت بهینه (مورد مطالعه شناورهای کانتینری)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 55

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJMT-10-2_007

تاریخ نمایه سازی: 9 آبان 1402

چکیده مقاله:

مصرف انرژی شناورها از دغدغه ها و چالشهای اساسی صنعت حمل و نقل دریایی است. کاهش مصرف سوخت علاوه بر صرفه جویی اقتصادی و هماهنگی با قوانین جدید باعث کاهش انتشار گازهای گلخانه ای و آلاینده های جوی می شود. هدف این پژوهش ارائه مدلی در جهت کاهش مصرف سوخت کشتی ها، صرفه جویی در هزینه و کاهش وابستگی به سوخت های وارداتی است. جهت دستیابی به این هدف با استفاده از روش ترکیبی (کیفی،کمی)، ابتدا پارامترهای اثرگذار بر مصرف سوخت از پیشینه پژوهش استخراج شد. سپس با استفاده از الگوریتم های شبکه عصبی مصنوعی (یادگیری نظارت شده) پیش بینی مدل بهینه شاخص های موثر بر مصرف سوخت توسعه داده شد. به منظور مدلسازی از داده های روزانه ۴ ساله ۶ کشتی با ظرفیت ۲۰۰۰ کانتینری بعنوان مفروضات مدل سازی ریاضی بهره گیری شد. در ادامه سامانه تصمیم یار هوشمند بر اساس این پارامترهای اثرگذار بر مصرف سوخت توسعه داده شده که شامل دو مدل شبکه عصبی مصنوعی پیشبینی عملکرد مصرف سوخت و بهینه سازی شیب طولی شناور است. نتایج ارزیابی مدل های شبکه عصبی مصنوعی توسعه داده شده دارای روایی و پایایی مورد قبول می باشد. بر اساس مدل سامانه طراحی شده، مشخص گردید پارامتر شیب طولی توسط سامانه طراحی شده بطور متوسط مصرف سوخت شناورها را تا ۴۱/۴% بهینه سازی میکند.

کلیدواژه ها:

تریم کشتی: مصرف سوخت شناور ، سامانه پشتیبان تصمیم گیری ، هوش مصنوعی ، صنایع دریایی

نویسندگان

محمدرضا دماوندی

دانشجوی دکتری مدیریت فناوری اطلاعات،گروه مدیریت سیستم های اطلاعاتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین،ایران

حسام زند حسامی

استاد یار گروه مدیریت صنعتی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

رضا احتشام راثی

استاد یار گروه مدیریت صنعتی دانشگاه آزاد اسلامی واحد قزوین

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Coraddu، Andrea، et al. ۲۰۱۷. Vessels fuel consumption forecast and ...
  • Reichel, M., Minchev, A., & Larsen, N. L. ۲۰۱۴. Trim ...
  • Ahmed Helmy Abouelfadl and Essam Eldin Youssef Abdelraouf - Journal ...
  • Kima, K.-j., & Han, I. (۲۰۰۳). Application of a hybrid ...
  • Papoila, A., Rocha, C., Geraldes, C., & Xufre, P. (۲۰۱۳). ...
  • Esteban, L., Fernandez, F., Palacios, P., & Conde, M. (۲۰۰۹). ...
  • FUJII , T., & URA , T. (۱۹۹۱). Neural-Network-Based Adaptive ...
  • Bal Beşikçi, E., aArslan, O., b , Turan, O., cÖlçer, ...
  • Mitchell, V. (۱۹۹۶), "Accessing the reliability and validity of questionnaire: ...
  • Pedersen, B.P., Larsen, J., ۲۰۰۹. Prediction of full–scale propulsion power ...
  • DNV-GL,۲۰۱۵[۱۶] Perera, L. P., Mo, B., & Kristjansson, L. A. ...
  • نرجس خاتون مرادی و علیرضا قاسمی،۱۳۹۰ ؛جایگاه حمل و نقل ...
  • شریفی زمانی، مهدی و همکاران. ۱۳۹۸. کتاب اطلس شناورهای دریایی ...
  • خاکی، غلامرضا، ۱۳۷۸، روش تحقیق با رویکرد پایان نامه نویسی، ...
  • نمایش کامل مراجع