U ovom istraživanju predstavljen je model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida temeljen na senzorskim podacima preuzetim s broda za prijevoz ukapljenoga naftnog plina te meteorološkim i oceanografskim podacima sukladnim geografskom položaju i vremenu plovidbe. Za gradnju modela korištene su metode strojnog učenja u sinergiji s općom teorijom sustava. Model upotrebljava klasifikacijske i regresijske postupke strojnog učenja: naivni Bayes, višeslojni perceptron, strojeve potpornih vektora, stabla odluke, nasumične šume te multinomijalnu logističku i linearnu regresiju. Nakon verifikacije postupaka pripreme podataka, učenja klasifikacijskih i regresijskih modela i analize rezultata kako bi se poboljšala točnost predviđanja energetske učinkovitosti, na temelju standardnih mjera vrednovanja (točnost predviđanja, mjera F1 i ostale) odabran je najbolji algoritam za učenje modela. Eksperimentalni rezultati pokazuju da, uz potrošnju goriva kao izlaznu varijablu predviđanja te odgovarajuću kombinaciju i obradu relevantnih podataka senzora, nasumične šume postižu najbolji rezultat od 97,40% točno klasificiranih slučajeva i koeficijent korelacije od 0,9992 kod regresije. Uz to, svojom fleksibilnošću i jednostavnošću upotrebe te uz minimalna podešavanja potrebnih parametara, predstavlja najbolji izbor za uključivanje u model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida. Opća teorija sustava rabljena je u prepoznavanju i tranzicijama komponenti predloženog modela nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina, sustavnom istraživanju unutarnjeg i vanjskog okruženja te definiranju informacijskih tokova između pojedinih komponenti. Pritom su vanjske mogućnosti i prijetnje s kojima se suočava sustav suprotstavljene unutarnjim snagama i slabostima da bi se kao rezultat formulirale strategije u kojima su slabosti i prijetnje sustava neutralizirane postojećim snagama i mogućnostima. Slijedom vrednovanja odabranih postupaka strojnog učenja, te rezultata SWOT i TOWS analize, moguće je zaključiti da je postavljeni model nadzora i predviđanja energetske učinkovitosti i ispuštanja ugljikova dioksida na primjeru broda za prijevoz ukapljenoga naftnog plina ostvariv te široko primjenjiv u pomorskoj industriji. U doktorskoj disertaciji pokazano je da se obradom senzorskih podataka preuzetih u plovidbi s uključenim podacima o vanjskim utjecajima može postaviti model koji opisuje, predviđa i omogućuje prilagodbu relevantnih operacijskih parametara broda za energetski učinkovitiji prijevoz ukapljenoga naftnog plina.