In addition, taking full account of the main engine speed, navigation 的简体中文翻译

In addition, taking full account of

In addition, taking full account of the main engine speed, navigation environment, ship loading, navigation time constraints, port operation efficiency and other factors on the ship energy efficiency, based on the obtained navigation environment, fleet ship operation status and energy consumption data, through the use of big data association rule algorithm, principal component analysis, etc., we can mine the main factors affecting the ship energy efficiency and analyze the main factors In order to influence the dynamic response relationship between factors and ship energy efficiency, it can lay a foundation for the study of fleet ship energy efficiency model and economic benefit model considering multiple influencing factors, so as to improve the energy efficiency level and economic benefit of Fleet ships.In the aspect of energy efficiency optimization management of fleet based on big data analysis, adland et al. Took the super large crude oil transportation fleet as the object, analyzed the fleet operation data, and proposed a speed optimization method for fleet optimization management. Based on a large number of real ship operation data, coraddu et al. Calculated the ship's energy efficiency operation index using Monte Carlo method by taking the ship's displacement, speed, wind, wave and other parameters as random variables. Based on the big data analysis of navigation environment, Lee et al. Proposed a speed optimization method to effectively reduce ship energy consumption by quoting the theoretical calculation formula of fuel consumption.By using big data analysis technology, Han Jiatong proposed an intelligent optimization method of ship route. Through the acquisition of geographic information data and the construction of ship navigation knowledge database, through the mining and analysis of historical big data on typical routes, he proposed the optimal route decision-making method of port to port, any point to port, any point to any point, so as to optimize the ship route The energy consumption level of ships.Yan et al. Used the parallel distributed K-means clustering algorithm suitable for big data analysis to realize the division of the route segments. Based on the self-developed big data analysis platform, they analyzed the distribution characteristics of the navigation environment of the Yangtze River route, and proposed the ship energy efficiency optimization method based on the big data segment division of the navigation environment, which improved the ship's energy efficiency level.Although there have been exploratory studies on the application of big data technology in ship intelligent energy efficiency optimization, there are still problems and challenges: firstly, there is no systematic standard and application system for ship energy efficiency big data; secondly, the relevant research theory and technology system of ship intelligent energy efficiency optimization based on big data analysis is not mature, and there are some differences between ship energy efficiency and navigation environment There are still some problems to be further studied, such as feature analysis, data association mining between ship energy efficiency and navigation environment, and online learning based prediction model of navigation environment and ship operation conditions.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
另外,在获取导航环境,舰队船舶运行状况和能耗数据的基础上,充分考虑主机转速,航行环境,船舶负荷,航行时间限制,港口运行效率等影响船舶能效的因素,通过使用大数据关联规则算法,主成分分析等方法,可以挖掘影响船舶能效的主要因素,并对主要因素进行分析,以便影响因素与船舶能效之间的动态响应关系。为研究多种影响因素的舰船能效模型和经济效益模型的研究奠定基础,以提高舰队的能效水平和经济效益。<br>在基于大数据分析的车队能源效率优化管理方面,adland等人。以超大型原油运输车队为对象,分析了车队的运行数据,提出了车队优化管理的速度优化方法。基于大量真实的船舶运行数据,coraddu等人。以船舶的排水量,速度,风向,波浪等参数为随机变量,采用蒙特卡罗方法计算出船舶的能效运行指数。Lee等基于导航环境的大数据分析。提出了一种通过引用油耗理论计算公式来有效降低船舶能耗的速度优化方法。<br>韩嘉通运用大数据分析技术,提出了一种智能的航路优化方法。通过获取地理信息数据和建立船舶航行知识数据库,通过对典型航线历史大数据的挖掘和分析,提出了港口到港口,任意点到港口,任意点的最优路线决策方法。随时随地,以优化船舶航路船舶的能耗水平。<br>严等人。使用适用于大数据分析的并行分布式K-means聚类算法来实现路段的划分。他们在自主开发的大数据分析平台的基础上,分析了长江航线航行环境的分布特征,提出了基于航行环境大数据段划分的船舶能效优化方法,从而提高了船舶的航行效率。能源效率水平。<br>尽管已经对大数据技术在船舶智能能效优化中的应用进行了探索性研究,但仍然存在问题和挑战:首先,船舶能效大数据没有系统的标准和应用系统。其次,基于大数据分析的船舶智能能效优化的相关研究理论和技术体系尚不成熟,船舶能效与航行环境之间存在一定差异,特征分析等问题尚待进一步研究。 ,船舶能效与航行环境之间的数据关联挖掘,以及基于在线学习的航行环境和船舶运行状况的预测模型。
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
此外,充分考虑主发动机速度、航行环境、船舶装载、航行时间限制、港口运行效率等因素对船舶能效的影响,根据获得的航行环境、船队船舶运行状况和能耗数据,通过大数据关联规则算法、主要组件分析等,可以挖掘影响船舶能效的主要因素,分析影响船舶能效的主要因素,从而影响船舶的动态反应关系。考虑多种影响因素,为研究船队船舶能效模型和经济效益模型奠定基础,提高舰队船舶的能效水平和经济效益。<br>在基于大数据分析、Adland 等基础上的车队能效优化管理方面。以超大型原油运输船队为对象,分析船队运行数据,提出车队优化管理速度优化方法。基于大量的真实船舶运行数据,科拉杜等人。使用蒙特卡洛方法计算船舶的能效运行指标,将船舶的位移、速度、风速、波浪等参数作为随机变量。基于导航环境的大数据分析,李等人。引用油耗理论计算公式,提出了一种速度优化方法,有效降低船舶能耗。<br>韩家通利用大数据分析技术,提出了船舶航线智能优化方法。通过获取地理信息数据和建设船舶航行知识数据库,通过挖掘和分析典型航线的历史大数据,提出了港口到港口、任何点到港口、任何点到任何点的最佳航线决策方法,从而优化了船舶航线的能耗水平。<br>严等人使用适合大数据分析的并行分布式K-手段聚类算法实现路由段的划分。他们在自主开发的大数据分析平台的基础上,分析了长江航道航行环境的分布特点,提出了基于航海环境大数据段划分的船舶能效优化方法,提高了船舶的能效水平。<br>虽然对大数据技术在船舶智能能效优化中的应用进行了探索性研究,但仍存在一些问题和挑战:一是船舶能效大数据没有系统的标准和应用体系:其次,基于大数据分析的船舶智能能效优化相关研究理论和技术体系尚不成熟,船舶能效与航行环境存在一些差异,存在功能分析、船舶能效与导航环境数据关联挖掘、船舶航行环境在线学习预测模型、船舶运行条件等一些问题有待进一步研究。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
另外,充分考虑主机转速、航行环境、船舶装载、航行时间约束、港口作业效率等因素对船舶能效的影响,在得到航行环境、船队船舶作业状态和能耗数据的基础上,通过运用大数据关联规则算法、主成分分析等,挖掘影响船舶能效的主要因素,分析主要因素,从而影响因素与船舶能效的动态响应关系,为多舰船舰船能量效率模型和经济效益模型的研究奠定了基础,从而提高舰船的能效水平和经济效益。<br>在基于大数据分析的船队能效优化管理方面,adland等人以超大型原油运输船队为对象,对船队运行数据进行分析,提出了一种船队优化管理的速度优化方法。coraddu等人在大量实际船舶运行数据的基础上,以船舶的位移、速度、风、浪等参数为随机变量,采用蒙特卡罗方法计算了船舶的能效运行指标。Lee等人在对航行环境进行大数据分析的基础上,引用油耗的理论计算公式,提出了一种有效降低船舶能耗的航速优化方法。<br>韩家同利用大数据分析技术,提出了一种船舶航线智能优化方法。通过地理信息数据的获取和船舶导航知识库的建设,通过对典型航线历史大数据的挖掘和分析,提出了港对港、任意点对港、任意点对任意点的最优航线决策方法,从而优化船舶航线,提高船舶的能耗水平。<br>Yan等人利用适合大数据分析的并行分布式K均值聚类算法实现了路段的划分。基于自主开发的大数据分析平台,分析了长江航道通航环境的分布特点,提出了基于通航环境大数据段划分的船舶能效优化方法,提高了船舶的能效水平。<br>大数据技术在船舶智能能效优化中的应用虽有探索性的研究,但仍存在问题和挑战:一是没有系统的船舶能效大数据标准和应用体系;二是船舶相关研究理论和技术体系基于大数据分析的智能能效优化还不成熟,船舶能效与航行环境之间也存在一些差异,还有一些问题需要进一步研究,如船舶能效与航行环境的特征分析、数据关联挖掘等,基于在线学习的航行环境和船舶运行状态预测模型。
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: