在数据匮乏的情况下如何提升船舶能源效率：一种借助智能样本增强技术实现的先进途径

《Journal of Industrial Information Integration》：How to improve ship energy efficiency under data-scarce scenarios: An advanced pathway enabled by intelligent sample augmentation

　　田兰|黄连忠|王凯|曹建林|马然奇|赵浩阳|吴建毅|李晓武
中国大连海事大学海洋工程学院，大连116026

摘要
在数据匮乏的情况下，提高船舶能源效率面临着巨大挑战。高质量导航数据的严重缺乏直接阻碍了高精度燃油消耗模型以及有效运营优化策略的发展。为突破这一长期存在的瓶颈，本文首次构建了一个端到端的能源效率提升框架，实现了从虚拟数据生成到可靠决策输出的完整闭环。首先，提出了一种由均衡优化器驱动的生成对抗网络智能数据增强方法，通过少量手动记录的真实样本生成高质量虚拟样本，从而获得信息丰富度显著提升的增强数据集。其次，充分利用学习者智能优化与数据规模扩展的协同效应，训练出性能接近完整数据集精准度的燃油消耗预测模型。最后，根据数据采集间隔将航线段划分为粒度相等的网络，利用基于可解释结果设计的求解算法，对每个航段的速度和姿态进行联合优化，从而形成一套用于提升能源效率的精细化运营策略。实验结果表明，即使在仅有123个样本的有限数据环境下，该框架也能使船舶能源效率提升4.64%。尽管这一效果略低于完整信息下的节能效果，但它仍为数据匮乏问题带来了突破，为绝大多数面临数据短缺问题的在役船舶提供了实用的方法指导和技术实现路径。

引言
航运业是全球贸易的基石。海上航线将生产国、资源国和消费国紧密相连，促进了国际分工，推动了全球经济的持续繁荣。随着全球化进程的加深以及新兴市场的发展，航运需求不断增长，但这同时也带来了温室气体排放的严重问题[1,2]。面对航运业每年不断增加的碳排放，人们开发并应用了诸多提升运营能源效率的方法，如航线优化、航行速度优化和吃水深度优化等。这些方法能够有效降低燃油消耗，进而减少运营成本和碳排放[3,4]。然而，无论是建立高精度的燃油消耗预测模型，还是进行高质量的运营参数优化，其核心前提都是获取充足且高质量的航行数据。大多数在役船舶并未配备完善的传感器网络或船载数据采集系统，只能依靠手工记录的航海日志和简单的仪器读数，无法提供高质量的数据资源。因此，长期以来，一直难以在这些船舶上实施有效的能源效率优化措施[5,6]。

鉴于此，克服目前困扰大多数船舶的数据匮乏问题——即在数据获取困难、数据质量不稳定且缺乏历史记录的现实情况下实现有效的船舶能源效率提升——已成为航运业实现大规模节能降排的关键障碍。只有突破这一数据匮乏的根本限制，才能将船舶能源效率提升的理论研究成果真正转化为广泛的行业实践，推动航运业实现绿色低碳转型的战略目标。得益于人工智能和物联网等变革性技术的广泛应用[7,8]，基于机器学习[9]、深度学习[10]和强化学习[11]等理论，在数据丰富的环境中，人们相继提出了多种提升船舶能源效率的方法。这些方法能够从海量数据中挖掘出能源效率相关的规律，从而持续改进能源效率决策。

在数据匮乏的场景下，罗等人[12]采用迁移学习来缓解燃油消耗模型开发中的数据不足问题。他们使用7艘船舶的4123条数据记录作为源域数据进行训练，然后运用三种迁移策略，仅用100条数据记录就为目标船舶训练出了燃油消耗预测模型。范等人[13]也采用了迁移学习技术来解决数据匮乏条件下的船舶燃油消耗预测问题。他们以拥有3005条高质量运营数据点的船舶A作为源域，以仅有489条数据点的船舶B作为目标域，构建了两种基于映射的迁移模型，实验结果显示预测误差显著降低。

虽然这两项研究为新建船舶或数据有限的现有船舶构建高精度燃油消耗预测模型提供了实用方案，但显然这种方法仍然依赖于大量高质量的源域数据，而在实际应用中往往难以保证这一点。此外，该方法还要求源域和目标域之间存在高度相似性，否则很容易出现负面迁移现象。这一严格假设在船舶行业中尤为脆弱，因为船舶类型多样，运行条件也各不相同。而且，这些研究的主要焦点仍停留在提升燃油消耗预测的准确性上，未能提供在数据匮乏场景下如何实现能源效率提升的指导。

值得注意的是，在解决数据匮乏问题方面，虚拟样本生成技术正逐渐成为打破僵局的关键创新途径。该技术通过深入挖掘有限真实数据中的分布规律和特征关联，能够在数据不足的情况下合成具有物理合理性和统计一致性的虚拟样本，从而直接提升模型性能。在车辆工程领域，郑等人[14]针对电动汽车真实驾驶数据匮乏的问题，提出了一种基于生成对抗网络的点对点时间序列生成模型，该模型能够根据输入的车辆动态和环境参数生成高保真度的多变量时间序列数据。曾等人[15]则针对车辆发动机在训练数据不足时瞬态燃油消耗模型精度较低的问题，提出利用生成对抗网络生成具有物理意义一致的增强数据样本，从而有效降低模型对昂贵实验数据的依赖。田等人[16]在研究汽车锂离子电池容量估算时，采用三角分布作为直接观测区的扩散函数来描述数据分布，再在扩展区采用均匀分布来生成虚拟样本点，这种全局趋势扩散方法共生成了50组虚拟电池样本，显著提升了模型的泛化能力。在化学工程领域，崔等人[17]面对垃圾焚烧过程中二噁英排放风险预警中样本量小的问题，采用变分自编码器将高维数据映射到二维潜在空间，再通过多角度旋转策略生成虚拟潜在样本，有效填补了样本分布中的稀疏区域。朱等人[18]则为提升小样本条件下纯对苯二甲酸软传感器模型的性能，首先利用奇异值分解生成与原始分布一致的新样本，然后引入异常检测算法识别异常值，最后在这些异常值之间进行加权插值，以填充数据空间中的稀疏区域，最终得到高质量的虚拟样本。在土木工程领域，张等人[19]针对堤防管道原始数据中样本量小和类别不平衡的问题，采用SMOTE方法进行虚拟样本生成，对每个少数类样本在特征空间中进行最近邻插值，从而显著提升了管道灾害预测模型的准确性。何等人[20]则针对隧道爆破超挖预测中常见的数据短缺问题，利用某现场隧道的真实小样本数据集训练生成对抗网络，随后生成了高质量虚拟样本数据集，显著提升了数据稀缺的岩体类型的预测精度。

上述研究充分表明，各种虚拟样本生成方法已广泛应用于众多工程领域。它们的主要类别、原理和特点总结见表1。由于在独立样本生成质量方面的显著优势，基于深度学习网络的虚拟样本生成方法备受青睐，其中生成对抗网络更受到关注。通过生成器和鉴别器之间的对抗博弈，生成对抗网络能够生成高度逼真、难以与真实数据区分的虚拟数据样本。这种相互制约的学习过程使生成对抗网络能够有效捕捉真实数据集中固有的复杂分布特征。然而，它们仍存在训练稳定性差、易出现模式崩溃等问题[21,22]。

在能源工程领域，唐等人[23]针对光伏-蓄电池系统优化中因时间分辨率低而产生的误差问题，采用超分辨率生成对抗网络，从常见的30分钟智能电表数据中生成5分钟级别的光伏发电量和负荷用电量数据，这些数据在视觉特征和统计特性上都与真实数据高度一致。宋等人[24]为了解决由于热惯性和多种影响因素导致的热力供暖系统中室内温度难以准确预测的问题，利用生成对抗网络从室内温度时间序列数据中有效提取高阶非线性及动态特征，生成的虚拟样本数据可直接提升短期预测模型的运行精度。郑等人[25]为了解决传感器故障等因素导致的数据丢失问题，提出利用生成对抗网络从历史数据中学习潜在分布，从而在不同缺失比例下重构充电电压曲线，进而从重构曲线中提取与老化程度密切相关的时域特征。马等人[26]则针对智能能源系统中由于敏感性和观测缺失导致的数据匮乏问题，提出将注意力机制与生成对抗网络相结合，以提高捕捉长期依赖关系的能力，最终在潜在流形结构中获得与真实样本高度一致的风能和光伏数据。

尽管上述研究充分体现了生成对抗网络在能源工程领域的应用价值，但这些工作的重点主要集中在提升预测模型的精度指标上，未能形成从数据增强到决策优化的完整技术链条。具体而言，虽然现有方法可以通过虚拟样本来提升模型的拟合能力，但很少有研究探讨如何将这些增强后的数据转化为可行的优化策略，缺乏将预测结果与实际运营相结合的系统框架。更重要的是，由于船舶操纵性的特殊性[27]以及航行环境的复杂性和多变性强[28]，为静态或半静态能源系统开发的相关方法无法直接应用于船舶能源效率提升领域。因此，在数据匮乏的场景下如何实现高效且可靠的船舶能源效率提升，仍存在明显的知识体系缺口和实施路径缺陷。

通过对工程领域中虚拟样本生成技术相关研究的系统梳理和分析，可以总结出三个与船舶能源效率提升相关的重大研究局限：
(1)几乎所有相关研究都是在数据丰富、信息获取完整的场景下进行的，而针对数据匮乏条件下船舶燃油消耗预测的研究则相对较少。尤其是在实际远海作业环境中，由于无法持续获取或传输数据，目前尚不存在相应的解决方案。
(2)生成对抗网络的训练过程是一个双玩家极小极大游戏。在生成器和鉴别器之间的相互对抗中，理想的平衡状态是达到纳什均衡。然而，在复杂的非凸参数空间中，训练过程会出现严重的波动，对学习率、网络结构等超参数极为敏感，且极易出现训练崩溃或梯度消失现象，严重影响虚拟样本生成的质量和可靠性。此外，现有研究大多依赖人工设置或有限的穷举搜索来规划训练过程，难以从所得结果中形成可推广的方法论规则。
(3)虽然一些相关领域展示了利用数据增强方法构建预测模型，但在船舶能源效率提升方面，更重要的是如何基于预测模型实现运营参数的优化，即如何在数据匮乏的场景下设计和实施有效的能源效率提升方法。目前，针对这一领域缺乏系统的方法指导与技术实现路径的问题，本文构建了一个适用于数据匮乏场景下的船舶能效提升综合框架，取得了以下核心成果：（1）首次将VSG技术引入，用于解决数据匮乏场景下构建船舶燃油消耗预测模型的难题。本文提出了一种基于实际航运场景的数据增强方案，通过将少量可手动收集的真实样本与条件表格生成对抗网络生成的虚拟样本相结合，构建出信息丰富度显著提升的增强数据集。该方法不仅有效扩大了训练样本的规模，更关键的是提升了模型捕捉复杂航行条件及能效规律的能力。（2）建立了智能解决方案系统，用于系统规划CTGAN的训练问题。该系统设计了基于平均Kolmogorov-Smirnov统计量的适应度函数，可有效评估虚拟数据的质量。同时运用均衡优化器算法，对噪声向量维度、生成器网络结构与学习率、鉴别器网络结构与学习率等众多复杂超参数进行全局优化，从而锁定最佳的CTGAN运行模式，获取高质量的虚拟数据集。（3）给出了在数据匮乏场景下实现船舶能效提升的完整技术方案。通过充分发挥学习者智能优化与数据规模扩展的协同效应，训练出了精度接近全量数据条件下的燃油消耗预测模型。此外，还将可解释结果的量化应用范围从模型内部扩展到工具外部，实现了高效可靠的航速/吃水联合优化，最终帮助船舶在数据匮乏的情况下依然能够显著提升能效，实现节能减排的效果。上述研究缺口及对应贡献已在表2中进行了系统总结。本文其余部分结构如下：第2章详细阐述数据来源与数据集的区别；第3章讲解整体方法逻辑及各环节的实现过程；第4章进行具体案例的应用分析；第5章展开更广泛的对比讨论；第6章得出相关结论。

数据来源与描述
为确保所提框架能在严格控制的实验逻辑下得到评估，本研究并未直接从数据增强开始，而是首先建立代表完全信息条件的基准场景，再逐步构建受限的数据环境以模拟现实世界中的数据匮乏状况。因此，第2章不仅是对数据的描述，更是实现结构化比较的实验基础。

数据匮乏场景下的船舶能效提升框架
图3展示了所提出的数据匮乏场景船舶能效提升框架的工作流程，该框架通过三个关键步骤运作：（1）虚拟样本生成与数据增强：以数据集B作为输入源，利用均衡优化器算法优化CTGAN超参数求解系统，根据最优的CTGAN架构输出数据集C，再通过整合得到数据集D。这部分的具体方法详见3.2节。

实验
计算工作在配备Intel Core i7-10700处理器和NVIDIA RTX 3070显卡的工作站上完成，采用PyTorch 1.12框架。每项求解任务的种群规模统一设置为30，最大迭代次数为100次。

未进行数据增强时的结果对比
为进一步验证数据增强的有效性，本节在未进行数据增强的情况下开展了航速/吃水联合优化研究，即基于上述数据集B构建的最佳燃油消耗预测模型EO-XGB，进行了246维度的优化实验。从图16可知，在数据集B中EO-XGB模型的可解释权重顺序为：航速（35.34%）>海水温度（15.20%）>海流（14.40%）>吃水状态（10.58%）>风速。

结论与未来工作
本文提出了一种基于智能虚拟样本生成的完整解决方案，旨在解决当前阻碍船舶能效提升的数据匮乏瓶颈。该框架使得船舶即使在数据匮乏的环境下也能实现显著的节能减排效果。主要结论如下：（1）数据匮乏是制约船舶能效提升的根本因素。从实际工作中收集到的数据量有限……

数据可用性
支持本研究结论的相关数据，可在合理请求下向对应作者获取。

作者贡献
田兰：概念构思、方法设计、软件开发、验证分析、研究实施、初稿撰写、正式分析、可视化处理。黄连忠：概念构思、方法设计、论文审阅与编辑、项目监督、项目管理、资金筹措。王凯：方法设计、项目监督、验证分析。曹建林：正式分析、论文审阅与编辑、项目监督。马然奇：正式分析、论文审阅与编辑、验证分析、资金筹措。赵浩阳：

CRediT作者贡献说明
田兰：初稿撰写、可视化处理、验证分析、软件开发、方法设计、研究实施、正式分析、概念构思。黄连忠：论文审阅与编辑、项目监督、项目管理、方法设计、资金筹措、概念构思。王凯：验证分析、项目监督、方法设计。曹建林：论文审阅与编辑、项目监督、正式分析。马然奇：论文审阅与编辑、验证分析、资金筹措、正式分析。赵浩阳：

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
作者感谢中国国家重点研发计划（2022YFB4300803）、国家自然科学基金（52271305）、中央高校基本科研业务费（3132023525）、中国博士后科学基金会博士后科研资助计划（B类）（GZB20250069）、中国博士后科学基金会（2025M770283）、辽宁省博士科研启动金计划（2025-BS-0201）等项目的支持。