Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2013

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Modelling a ship performance in dynamic ice. Part II, Transforming information into knowledge

Montewka J., Sinclair H.

Prace Naukowe Politechniki Warszawskiej. Transport

2013

z. 95

369--382

Although ice navigation has received substantial attention over recent decades, there is still no known modelling technique to predict ship’s speed in a dynamic ice field. This paper introduces probabilistic, data-driven models that predict a ship’s speed and the situations where a ship is probable to get stuck in ice based on the joint effect of ice features, such as the thickness and concentration of level ice, ice ridges, rafted ice, and ice compression. To develop the models, the data from the Automatic Identification System about the performance of a selected ship was used, an ice forecast model was utilized to deliver information about the ice field and the links between the ice conditions and ship movements were established using Bayesian learning algorithms. The case study presented in this paper considers a single and unassisted trip of an ice-strengthened bulk carrier between two Finnish ports in the presence of challenging ice conditions, which varied in time and space. The obtained results show good prediction power of the models, which is on average 80% for predicting the ship’s speed and above 90% for predicting cases where a ship may get stuck in ice. We expect this new approach to facilitate the safe and effective route selection problem for iceinfested waters where the ship performance is reflected in the objective function.

Pomimo, iż żegluga w lodach pozostaje tematem wielu opracowań naukowych, tematyka modelowania zachowania statku w dynamicznym polu lodowym, zwłaszcza w obecności zjawiska kompresji pokrywy lodowej, pozostaje wciąż kwestią otwartą. W artykule przedstawiono dwa probabilistyczne modele, pierwszy szacujący prędkość statku w polu lodowym oraz drugi określający warunki lodowe w których statek może spodziewać się całkowitej utraty prędkości (może utknąć w lodzie). Modele stworzono w oparciu o informacje uzyskane z systemu AIS dostarczającego dane o pozycji oraz położeniu statku w odstępie kilkunastu sekund, wykorzystano także szczegółowe informacje o pokrywie lodowej (stopień koncentracji oraz grubość pokrywy lodowej, zwałów lodowych, nawarstwionego lodu oraz poziom kompresji pokrywy lodowej), pochodzące z numerycznego modelu pogody HELMI, opracowanego w Finskim Instytucie Meteorologicznym. W celu określenia zależności pomiędzy zachowaniem statku a warunkami lodowymi wykorzystano Sieci Bayesa oraz dwa typy algorytmów uczenia maszynowego z danych. Uzyskane modele charakteryzuja się wysokim poziomem prognozowania, 80% dla modelu prognozującego prędkość statku oraz 90% dla modelu prognozującego sytuacje utknięcia w lodzie. Przedstawiona analiza dotyczy pojedynczego przejścia statku masowego posiadającego wysoką klasę lodową, pomiędzy dwoma portami w Finlandii. Przedstawione podejście może być wykorzystane przy rozwiązywaniu problemu wyboru trasy optymalnej w dynamicznym polu lodowym.