Dineswary Nadarajan 博士的 "利用机器学习算法进行混合模糊数据包络分析的海上交通流量和海港效率 "研究正在取得重大进展，预计该项目将于 2024 年底完成。这项研究的重点是优化海港效率，根据国际海运公会的数据，随着全球海运贸易的不断扩大，这是一个至关重要的领域，每年处理的货物超过 110 亿吨。
该项目的重要里程碑之一是开发了一种新方法，将混合模糊数据包络分析 (DEA) 与机器学习算法相结合，以捕捉海港运营中的不确定性和动态变化。Dineswary 博士分享了她对项目进展的兴奋之情，她说："这个项目让我们能够探索创新的方法来评估和改善海港的绩效。事实证明，模糊 DEA 与机器学习的整合在应对现实世界的挑战方面非常有效。
Dineswary 博士对自己迄今取得的成就表示自豪，其中包括在 Web of Science（SSCI-Q1）和 Scopus（Q1）上发表了两篇备受赞誉的论文。第一篇论文介绍了三角和梯形模糊 DEA 等模糊方法，第二篇论文则根据效率得分确定了新的海港国家集群。这些贡献已经获得了国际认可，并为她赢得了著名的 "亚洲奖"（ASIA Awards）"杰出研究者奖"。
这项与世纪、马来亚大学及泰勒大学的跨学科团队合作进行的研究预计也将在西港有实际的应用。Dineswary博士强调，即使是在淡季，这些研究结果也能大幅提升营运生产力与连通性。"她补充道："我们已经看到如何利用这些洞察力来管理增加的船只数量，同时减少拥堵和改善物流。
除学术成就外，本研究还旨在通过支持海事网络的基础设施创新和复原力，为可持续全球贸易做出贡献。它与联合国可持续发展目标（SDG）的一致性非常明显，尤其是在促进目标 8（体面工作和经济增长）、目标 9（工业、创新和基础设施）和目标 11（可持续城市和社区）方面。
回顾迄今为止的历程，Dineswary 博士分享道："踏上这条研究之路不仅仅是为了探索数据和方法，更是为了为更高效、更有弹性、更可持续的海事未来铺平道路。每一项发现都是朝着释放海港网络潜力，推动全球经济增长和贸易迈出的一步。
本项目的组织旨在支持以下联合国可持续发展目标 (SDG)：
可持续发展目标 8--体面工作和经济增长
可持续发展目标 9--工业、创新和基础设施
可持续发展目标 11--可持续的城市和社区