arXiv · cs.AI · Heungjun Im, Bongmin Cha, Agung Nugraha, Donghyun Kim, Seongphil Kang, Minwook Choi, Jeongmin Park, Jihwan Lee · 10 小时前模型评分34
研究：全局池化模型在船舶离港前燃油消耗预测上优于单船与适配方法
Comparative study of global pooling for pre-departure ship fuel consumption prediction: Advantages over per-ship and adaptation-based approaches
导读
一项在21艘船上的对比研究显示，用单一模型按船舶身份和7项船舶规格描述各船的全局池化方法，在所有测试设置下整体表现最佳。船队内全局 LightGBM 的整体平均绝对百分比误差（MAPE，Mean Absolute Percentage Error）为8.92%，优于单船 LightGBM 的11.14%，且微调不带来精度提升。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：交通与物流
事件类型：研究发布
证据摘录
- “In this study, we compare 11 per-ship, adaptation-based, and global methods on 21 vessels.”
来源：arXiv · cs.AI · arxiv.org