A multi-objective optimization framework for reducing the impact of ship noise on marine mammals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The underwater radiated noise (URN) emanating from ships presents a significant threat to marine mammals, given their heavy reliance on hearing. The intensity of URN from ships is correlated to their speed, making speed reduction a crucial operational mitigation strategy. This paper presents a new multi-objective optimization framework to optimize the ship speed for effective URN mitigation without compromising fuel consumption. This framework addresses a fixed-path voyage scheduling problem, incorporating two objective functions namely, noise intensity levels and fuel consumption. The optimization is performed using the state-of-the-art non-dominated sorting genetic algorithm under voyage constraints. A 2D ocean acoustic environment, comprising randomly scattered marine mammals of diverse audiogram groups and realistic conditions, including sound speed profiles and bathymetry, is simulated. To estimate the objective functions, we consider empirical relations for fuel consumption and near-field noise modeling together with a ray-tracing approach for far-field noise propagation. The optimization problem is solved to determine the Pareto solutions and the trade-off solution. The effectiveness of the framework is demonstrated via practical case studies involving a large container ship. A comparative analysis illustrates the adaptability of the framework across different oceanic environments, affirming its potential as a robust tool for reducing the URN from shipping. • Novel multi-objective optimization framework for ship voyage optimization. • Fuel consumption and underwater radiated noise as two objective functions. • Underwater noise modeling with near-field source and far field propagation. • New objective function to characterize noise impact on marine mammals. • Demonstration of framework to reduce noise impact without increasing fuel cost.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle