斜浪增阻预测模型

小样本高精度

通过迁移学习将迎浪中的知识用于斜浪，解决斜浪数据稀缺导致的样本不平衡问题。

Ke, Yang · Shengrui, Tian · 黄礼敏 · 杨振 · 夏桂华

Ocean Engineering 2026

技术优势

小样本也能准

通过迁移学习利用迎浪中获得的知识构建斜浪模型，避免了大量斜浪实验或仿真需求。

计算效率不拖后腿

模型在提高精度的同时保持了DPSM的计算效率与数值稳定性，适合工程快速评估。

泛化能力可迁移

方法在不同浪向（迎浪和斜浪）下均保持高预测精度，表明其泛化能力不仅限于训练工况。

应用场景

• 船舶能效优化：快速预测不同浪向下增阻，用于航速优化与能效评估，替代昂贵的模型试验或CFD仿真。
• 船型设计：在设计阶段评估不同船型在斜浪中的增阻表现，辅助线型优化和多方案对比。
• 航运运营优化：结合海况预报快速估算航次中不同航向的增阻，为航线规划和主机功率管理提供依据。