ВОЗМОЖНОСТЬ ИСПОЛЬЗОВАНИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ ОСТАТОЧНОГО СОПРОТИВЛЕНИЯ КОРПУ-СА СУДНА НА РАННИХ ЭТАПАХ ПРОКТИРОВАНИЯ

Евгений Александрович Чуреев, В.И. Пинчук
{"title":"ВОЗМОЖНОСТЬ ИСПОЛЬЗОВАНИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ ОСТАТОЧНОГО СОПРОТИВЛЕНИЯ КОРПУ-СА СУДНА НА РАННИХ ЭТАПАХ ПРОКТИРОВАНИЯ","authors":"Евгений Александрович Чуреев, В.И. Пинчук","doi":"10.46845/2541-8254-2024-1(43)-16-16","DOIUrl":null,"url":null,"abstract":"В данной статье рассматривается применимость методов машинного обучения для интерполяции значений серийной диаграммы, на примере серии Е.В. Маслюка для мало-мерных рыболовных судов с упрощенными обводами. С использованием нейронных сетей для задач прогнозирования модель была обучена и оптимизирована методом поиска по сетке (Grid Search) и достигла ошибки валидации 1,01% и обучения 1,49%. Точность модели была оценена с учетом допустимой ошибки 3%, общепринятой в инженерных расчетах. Результа-том исследования стала архитектура нейронной сети с точностью 98,51% на валидационном наборе данных, подчеркивающая потенциал использования машинного обучения в ранних расчетах остаточного сопротивления корпуса судна.","PeriodicalId":102937,"journal":{"name":"Youth science reporter","volume":"156 ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-04-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Youth science reporter","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46845/2541-8254-2024-1(43)-16-16","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

В данной статье рассматривается применимость методов машинного обучения для интерполяции значений серийной диаграммы, на примере серии Е.В. Маслюка для мало-мерных рыболовных судов с упрощенными обводами. С использованием нейронных сетей для задач прогнозирования модель была обучена и оптимизирована методом поиска по сетке (Grid Search) и достигла ошибки валидации 1,01% и обучения 1,49%. Точность модели была оценена с учетом допустимой ошибки 3%, общепринятой в инженерных расчетах. Результа-том исследования стала архитектура нейронной сети с точностью 98,51% на валидационном наборе данных, подчеркивающая потенциал использования машинного обучения в ранних расчетах остаточного сопротивления корпуса судна.
在探测的早期阶段利用机器学习确定船体剩余阻力的可能性
本文以 E.V. Maslyuk 的小型渔船简化轮廓系列为例,探讨了机器学习方法在系列图值插值方面的适用性。利用神经网络完成预测任务,通过网格搜索对模型进行了训练和优化,验证误差为 1.01%,训练误差为 1.49%。在评估模型的准确性时,考虑到了工程计算中普遍接受的 3% 的可接受误差。研究结果表明,神经网络结构在验证数据集上的准确率为 98.51%,这凸显了在船体残余阻力的早期计算中使用机器学习的潜力。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信