FuelCast

FuelCast数据集是一个包含三艘不同类型船舶的运营和环境数据的大型数据集，旨在为船舶燃料消耗预测模型提供一个基准测试。该数据集包含三艘船舶的数据，分别为小型游轮、大型游轮和离岸供应船，时间跨度从三个月到一年不等。数据集内容丰富，包括船舶运行数据、环境数据等，涵盖了船舶的运行速度、航向、燃油消耗、海温、海深、风速、波浪和海流等多个方面。数据集的创建过程复杂，需要整合多个数据源并进行预处理。该数据集的应用领域是船舶燃料消耗预测，旨在帮助航运公司优化船舶运营，降低燃料消耗和排放，实现经济效益和环境可持续发展的双重目标。The FuelCast dataset is a large-scale dataset containing operational and environmental data from three distinct vessel types, designed to serve as a benchmark for ship fuel consumption prediction models. This dataset covers data from three vessels: a small cruise ship, a large cruise ship, and an offshore supply vessel, with time spans ranging from three months to one year. The dataset has rich content, including ship operational data, environmental data and more, covering multiple aspects such as vessel speed, course, fuel consumption, sea surface temperature, water depth, wind speed, waves and ocean currents. The development of this dataset involves a complex process that requires integrating multiple data sources and conducting preprocessing procedures. The application scenario of this dataset is ship fuel consumption prediction, aiming to help shipping companies optimize vessel operations, reduce fuel consumption and emissions, and achieve the dual goals of economic benefits and environmental sustainability.

原始信息汇总

FuelCast 数据集概述

数据集基本信息

• 数据集名称: FuelCast
• 许可证: CC BY-NC-ND 4.0
• 任务类别: 表格回归、时间序列预测
• 数据类型: 时间序列、表格数据
• 领域: 海事、船舶、燃油消耗

数据集配置

• cps_poseidon: CPS_Poseidon.parquet
• cps_triton: CPS_Triton.parquet
• oss_ceto: OSS_Ceto.parquet

数据来源

• 船舶高频自动记录器数据（KROHNE EcoMATE™系统）
• 环境数据（Copernicus Marine Environment Monitoring Service）
• 天气预报数据（OpenMeteo）

主要任务

燃油消耗预测

预测船舶在任意操作和环境条件下的总燃油消耗量

输入变量:

• Ship_SpeedOverGround
• Environment_SeaFloorDepth
• Weather_Temperature2m
• Weather_WindSpeed10m
• Weather_WindDirection10m
• Weather_WaveHeight
• Weather_WaveDirection
• Weather_WavePeriod
• Weather_OceanCurrentVelocity
• Weather_OceanCurrentDirection

目标变量:

• Consumer_Total_MomentaryFuel

数据特征

时间索引

• 采样间隔: 5分钟
• 索引列: index (int64)

数据类别

船舶数据

• 速度和航向相关参数（单位: m/s, °）
• 吃水深度（单位: m）
• 风速风向测量值

消费者数据

• 燃油类型、转速、轴功率
• 瞬时燃油消耗量（单位: kg/s）
• 总轴功率（单位: W）

推进器数据

• 轴功率、转速、扭矩
• 总推进器轴功率

环境数据

• 海底深度（单位: m）

天气数据

• 温度、湿度、降水、气压
• 风速风向、波浪参数
• 海洋流速流向
• 太阳辐射相关参数

相关论文

• 标题: FuelCast: Benchmarking Tabular and Temporal Models for Ship Fuel Consumption
• 作者: Justus Viga, Penelope Mueck, Alexander Löser, Torben Weis
• 年份: 2025
• arXiv: https://arxiv.org/abs/2510.08217

搜集汇总

数据集介绍

构建方式

在航运业数据采集面临诸多技术挑战的背景下，FuelCast数据集通过精密的多源数据融合技术构建而成。该数据集整合了三艘船舶的运营数据与环境监测数据，其中船舶运营数据以五分钟为采样间隔，通过科里奥利质量流量计精确测量各发动机的燃油消耗量；环境数据则采用卫星遥感与气象服务，获取海况、风速、洋流等关键参数。通过时空匹配算法将不同分辨率的数据源进行线性插值与坐标转换，最终形成具有5分钟时间分辨率的标准数据集。数据预处理阶段采用列均值插补法处理缺失值，并对方向性特征进行船舶局部坐标系转换，确保数据质量与物理意义的一致性。

特点

作为航运领域少有的开放式时序数据集，FuelCast展现出显著的多维特征优势。数据集涵盖三艘不同类型船舶的长期运营记录，包括两艘邮轮和一艘海上供应船，时间跨度达3至12个月，样本总量超过17万条。其特色在于同时包含船舶运行状态参数与环境上下文信息，如船速、海床深度、风速风向、波浪参数等十余个特征变量。特别值得注意的是，该数据集突破了传统单船单类型的局限，通过真实的运营场景呈现了船舶在不同航线和季节模式下的燃油消耗规律，为研究船舶能耗的时空变异提供了珍贵样本。

使用方法

针对船舶燃油预测的研究需求，FuelCast设计了双任务评估框架。在表格回归任务中，研究者可直接利用瞬时特征预测燃油消耗，适用于稳态航行条件下的能耗分析；时序回归任务则引入一小时时间窗口的滑动采样机制，通过历史序列捕捉船舶动态行为。数据集采用五折时间交叉验证策略，确保模型评估的时序独立性。研究社区可通过HuggingFace平台获取标准化数据，并参照论文提供的特征工程方案，应用从传统多项式回归到TabPFN基础模型等多种算法进行实验比较。这种标准化评估流程为不同方法的性能对比提供了可靠基准。

背景与挑战

背景概述

FuelCast数据集由KROHNE Messtechnik GmbH与柏林技术大学、杜伊斯堡-埃森大学于2025年联合构建，聚焦航运业燃料消耗与排放的精准预测难题。该数据集整合三艘船舶的长期运营数据与气象海洋环境参数，旨在通过标准化时序回归基准推动海事能效优化研究。其多源异构数据融合框架为船舶动态行为建模提供了首个公开的高分辨率跨船型比较平台，显著提升了数据驱动决策在绿色航运领域的可复现性。

当前挑战

领域层面面临船舶能耗非线性动态建模的复杂性，需同步解析航速、海况与发动机状态的耦合效应；数据构建过程遭遇多源传感器时序对齐、近岸气象数据缺失与商业数据保密性等挑战。特定难点包括科里奥利质量流量计误差校准、不同坐标系下风向矢量化转换，以及柴油电力推进系统与直轴推进船舶的异构能耗模式统一表征。

常用场景

经典使用场景

在航运业节能减排的背景下，FuelCast数据集为船舶燃油消耗预测提供了标准化评估框架。该数据集通过整合三艘船舶的高频运行数据与气象海洋环境参数，构建了涵盖表格回归和时间序列回归的基准任务，典型应用于对比梯度提升、长短期记忆网络等模型在动态工况下的预测精度，尤其凸显了时序特征对捕获船舶加速阶段能耗波动的关键作用。

解决学术问题

FuelCast有效解决了海事领域因数据碎片化导致的模型泛化能力评估难题。通过提供长期多船型的同步操作与环境数据，该数据集支持对非线性时序依赖关系的量化研究，突破了传统物理模型或单船数据在刻画风浪、海流等外部变量影响时的局限性，为数据驱动的能效优化理论提供了可复现的验证基础。

衍生相关工作

FuelCast催生了多项探索小样本学习的创新研究，例如首次将TabPFN等上下文学习框架引入海事能耗预测领域。后续工作在此基础上扩展了自回归多步预测任务，并衍生出融合Informer、TimesNet等架构的时序模型对比研究，推动了船舶能效建模与基础模型跨域应用的深度融合。