基于机器学习的贝叶斯模型预测PSC检查中船舶滞留时间

该研究开发一种新的基于数据驱动的机器学习模型。为了协助港口当局估计扣留时间并最大限度地减少不合格船只的存在，首次通过结合改进的树增强学习方法和期望最大化的最大后验概率方法对模型进行提炼，该方法可作为确定滞留船只合理持续时间的预测工具。对所提出的模型进行彻底分析，可以确定风险变量和缺陷类型，这些变量对长期滞留有重大影响。此外，该研究结果可以为港口当局提供管理建议，通过检查系统减少不合格船只的发生，即确定船只的具体风险水平，并确保更有效的船只选择过程；设计具体的指令和规则来调节风险变量和缺陷，对长期滞留产生巨大影响。这项研究将为有效提高船舶质量、检验效率和海事安全提供有效参考。

该论文刊登在2023年12月中科院1区期刊，杨智森助理教授为第一作者，深圳技术大学为第一单位。

论文链接：https://www.scopus.com/record/display.uri?eid=2-s2.0-85175492751&origin=inward