本项目主要用于对船舶电力系统的电气负荷进行短期及中长期预测，旨在通过算法优化船舶能量管理系统的调度策略。程序完整实现了从数据加载到结果评估的全流程：1. 数据预处理功能，包含对原始船舶负荷数据的异常值剔除、缺失值插值补全以及滑动平均滤波降噪，采用Min-Max标准化方法对数据进行归一化处理，以提高模型训练效率；2. 特征工程构建，分析负荷数据的时间序列特性，提取包括历史负荷、时间周期性（小时、日、周）、船舶工况（航行、停泊、作业）及气象因子在内的多维特征向量；3. 预测模型核心，基于MATLAB深度学习工具箱或统计及机器学习工具箱，构建了如长短期记忆网络（LSTM）、BP神经网络或支持向量回归（SVR）等高性能预测模型，模型内部集成了参数寻优机制（如粒子群算法PSO、遗传算法GA），能自动调整超参数以适应船舶电网非线性强、波动剧烈的特点；4. 评估与可视化，程序运行后可自动生成预测曲线与实际负荷曲线的对比图，计算并输出均方根误差（RMSE）、平均绝对误差（MAE）及平均绝对百分比误差（MAPE），直观展示预测效果。该项目代码结构清晰，注释详尽，适用于船舶电气工程研究、电站容量规划及燃油经济性优化分析。
