1.一种基于机器学习的集装箱船纵倾优化方法，其特征在于：包括以下步骤：S1：基于集装箱船模纵倾优化阻力实验数据，建立集装箱船纵倾优化阻力数据库；

S2：将数据库分为训练集、测试集和验证集；

S3：构建四种不同的机器学习模型，利用所述训练集、测试集和验证集分别对四种不同机器学习模型进行训练，得到四种不同的具有最优参数组合的机器学习模型；

S4：采用预测模型评价指标对四种不同的机器学习模型进行比较，选择最优性能的机器学习模型作为集装箱船最佳纵倾预测模型；

S5：利用集装箱船最佳纵倾预测模型进行集装箱船纵倾预测，得到集装箱船的最佳纵倾；

步骤S1中所述集装箱船模纵倾优化阻力实验数据，通过集装箱船模在不同吃水、不同航速、不同纵倾角度下的阻力实验得到；

所述集装箱船模纵倾优化阻力实验数据，包括：纵倾角度、傅汝德数、船模剩余阻力系数、船艏吃水与艉吃水和船型宽；

步骤S3中，所述四种不同的机器学习模型包括：BP神经网络、随机森林、决策树和KNN；

2

步骤S4中，所述预测模型评价指标包括：平均绝对百分比误差MAPE、决定系数R和均方误差MSE；

步骤S5的具体过程如下：

S51：获取集装箱船在任一运营状态下的状态数据，包括：纵倾角度、傅汝德数、船艏吃水与艉吃水、船型宽；

S52：将状态数据输入至集装箱船最佳纵倾预测模型，得到集装箱船剩余阻力系数的预测值；

步骤S52中将状态数据输入至集装箱船最佳纵倾预测模型时，其中纵倾角度通过集装箱船在实际运营过程中所能调整到的预设范围及梯度的方式输入，即在范围[a,b]内，以不同的步长Δ分情况输入。