2026De Enero a Marzo6月4Ese día, el Sr. Kim Jun-seong, graduado del programa de doctorado de esta universidad, y el profesor Daisuke Watanabe,2025Recibí el Premio al Mejor Artículo del Instituto Japonés de Navegación de este año. Este premio se otorga a artículos sobresalientes publicados en la revista del Instituto Japonés de Navegación y en revistas en inglés, que se reconocen por su importante contribución al campo de la ciencia de la navegación.

【Ganador】
Kim Jun-seong (En el momento de la publicación: estudiante de tercer año de doctorado en Ingeniería de Sistemas Ambientales Aplicados, Escuela de Posgrado de Ciencias y Tecnología Marinas; Afiliación actual: Escuela Secundaria Marítima de Incheon, Corea del Sur)
Daisuke Watanabe (Departamento de Ingeniería de Distribución e Información, Escuela de Posgrado de Ciencia y Tecnología)

[Artículo premiado]
"LNG"Aplicación de un modelo híbrido basado en IA para la predicción de tarifas de buques al contado", Transacciones del Instituto Japonés de Navegación, No.153号 、2025De Enero a Marzo

[Resumen del trabajo premiado]
　En los últimos años, además de factores estacionales como el cambio climático debido al calentamiento global, los riesgos geopolíticos, los cambios en los asuntos internacionales, los cambios en las políticas y las interrupciones en las cadenas de suministro debido a la pandemia de COVID-19 también han contribuido a esta situación.LNGLas tarifas de los barcos al contado se están volviendo más volátiles.
　Por lo tanto, esta investigación utiliza aprendizaje profundo, un tipo de inteligencia artificial,LNGEl objetivo es predecir las tarifas de flete al contado para los buques. En concreto, utiliza memoria a largo plazo, que se emplea habitualmente en la previsión de datos de series temporales.Memoria a corto y largo plazo (LSTM)) y unidades recurrentes controladas (Unidad recurrente controlada (GRU)) y, en estudios previos, demostraron un alto rendimiento en la predicción de varios índices de transporte marítimo.GRUy mecanismo de atención (Mecanismo de atención, ATHemos construido un modelo híbrido de aprendizaje profundo que combina lo siguiente:
　EsteLNGNuestro objetivo era mejorar la precisión en la predicción de las tarifas de flete al contado para los buques e identificamos el método de predicción óptimo mediante comparaciones del rendimiento de múltiples modelos.

(De izquierda a derecha en la foto) El profesor Watanabe, la Sra. Kim y Takahiro Takemoto, presidente del Instituto Japonés de Navegación.
Fotografía cortesía del Instituto Japonés de Navegación.

<Enlaces relacionados>
Sociedad Japonesa de Navegación