Laivojen pohjien likaantumisen vaikutus kulkuvastukseen Itämerellä: Chow-Liu-puulla täydennetyn Naiivi Bayes -mallin soveltaminen aluksen kulun analysointiin

The objective of the COMPLETE-project is to prevent spreading of harmful and invasive alien species in Baltic Sea region. Significant proliferation has happened with ballast waters but organisms are also being transported to new areas among underwater hull structures. In addition of alien species spreading issues, biofouling increases vessel hydrodynamic resistance affecting straightforward to fuel consumption and carbon dioxide emissions. At present day, this bio-contamination is deducted by regular cleanings of immersed hull structures during summer seasons. However, selection of cleaning intervals is based on experience. Also, the effect of cleaning is often perceived by crew, but normally there are no measurement-based knowledge on its effect on voyage of unique vessel. Nowadays ship systems provides increasingly data flow that can be stored automatically. Conclusion-making from big data requires appropriate tools specially limiting effects of many system mixers. This article explores usability of Chow-Liu-tree augmented Naïve Bayes method for analyzing voyage data. The advantages of this method are computational efficiency and ability to produce reliable conclusions about causation relationships prevailing in the studied system, even if available data is quite limited.COMPLETE-hankkeen tavoitteena on ehkäistä haitallisten vieraslajien leviämistä Itämeren alueella. Leviämistä on tapahtunut merkittävästi laivojen painolastivesien mukana, mutta lajikkeita kulkeutuu merialueilta toisille myös vedenalaisiin runkorakenteisiin tarttuneina. Lisäksi biolikaantuminen kasvattaa aluksen kulkuvastusta ja sitä myötä polttoaineen kulutusta sekä hiilidioksidipäästöjä. Tällä hetkellä likaantumista rajoitetaan puhdistamalla pohjia sään­nölli­sesti kesäkaudella. Puhdistusajankohdat valitaan laivakohtaisesti pääsääntöisesti kokemukseen pe­rus­tuen. Myös puhdistuksilla usein koetaan olevan havaittavaa vaikutusta aluksen kulkuun ve­den halki, mutta mittauksiin perustuvia tietoja ei laivaväen käytössä ole. Nykyään laivojen järjes­tel­mistä on mahdollista tallentaa kulkudataa enenevissä määrin. Luotettavien johtopäätösten teke­mi­nen massadatasta vaatii kuitenkin asiaan soveltuvia työkaluja ja systeemin monien sekoittajien omi­nai­suuksien tuntemista. Tässä artikkelissa perehdytään Chow–Liu-puulla täydennetyn Naiivi Bayes -mallin hyödyntämiseen aluksen kulun analysointiin. Menetelmän etuina ovat las­ken­nal­li­nen tehokkuus ja luotettavuus kulkuvastuksen kausaatioiden tunnistamiseksi, vaikka käy­tettä­vis­sä olevaa dataa olisikin vain rajoitetusti