船舶是主要的商业运输工具，占全球商品和能源贸易的80%。然而，它们会排放废气——航行时来自发动机，停靠港口时来自发动机和锅炉。这些排放物不仅会对人类健康产生负面影响，还会对环境产生负面影响。
因此，国际海事组织对船舶使用的燃料类型作出了规定。虽然正在努力降低船舶的排放水平，但尚未开发出完全环保的燃料。与此同时，评估和预测船舶废气排放水平至关重要。
鉴于这种背景，由该研究所海洋系统工程系副教授Won-JuLee博士领导的韩国国立海洋海洋大学(NKMOU)的一组研究人员测量了连续运行的石油排放量-在不同空燃比下，在训练舰上燃烧锅炉。“收集了18个案例的CO2、NOx和SO2气体的排放数据，并用于通过数据驱动模型预测排放量，”Lee博士解释道。
他们的工作发表在2022年11月15日的《清洁生产杂志》上。
研究人员采用无监督学习来压缩原始数据以生成三个新数据集。他们将它们结合起来创建了一个集成数据集。使用四个基本模型评估了这五个数据集的性能(根据CO2、NOx和SO2预测)。具有原始数据集和集成数据集的基于支持向量机的模型产生了最好的结果。
然后，研究人员合并了基础模型以开发四个基础集成模型。反过来，这些模型被用来构建双整体模型。正如预期的那样，双系综模型对所有三种气体做出了最准确的排放预测。
最后，研究人员将开发的模型应用于新的数据集，验证结果并建立模型的优越性和普遍性。
不过，这项工作如何帮助航运业减少碳足迹呢?李博士讨论了他们工作的未来影响。“这项研究的结果可用于预测废气排放，并将很快应用于船用锅炉。它将使船舶工程师能够采取行动减少排放，遏制港口地区的空气污染。由于安装昂贵的设备，如锅炉中的气体分析仪对于航运公司来说在经济上不可行，所提出的技术将被证明是必不可少的。此外，集成数据生成和双集成模型技术可以提高各种其他机器学习应用程序的性能。”