申请/专利权人：上海海事大学

申请日：2022-10-25

公开（公告）日：2023-01-13

公开（公告）号：CN115601069A

主分类号：G06Q30/0201

分类号：G06Q30/0201;G06Q30/0645;G06Q50/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.02.17#实质审查的生效;2023.01.13#公开

摘要：本发明涉及一种基于时间分频子序列的干散货船租金预测方法，其特征在于，包括以下步骤：S1获取与BDI指数预测相关的多种指标，并与BDI指数进行相关性分析，筛选出重要的特征作为预测BDI指数的相关指标；S2利用EMD经验模态分解方法对BDI指数进行分频，通过特定算法整合为高中低频三种数据；S3基于步骤S1和步骤S2，通过机器学习方法将相关指标和分频数据放入模型进行预测，分别得到各分频的预测值；S4对于步骤S3中的各分频预测值进行综合重构，得到综合预测值。与现有技术相比，本发明具有预测准确率高、时间跨度大和预测更精细等优点。

主权项：1.一种基于时间分频子序列的干散货船租金预测方法，其特征在于，包括以下步骤：S1获取与BDI指数预测相关的多种指标，并与BDI指数进行相关性分析，筛选出重要的特征作为预测BDI指数的相关指标；S2利用EMD经验模态分解方法对BDI指数进行分频，通过特定算法整合为高中低频三种数据；S3基于步骤S1和步骤S2，通过机器学习方法将相关指标和分频数据放入模型进行预测，分别得到各分频的预测值；S4对于步骤S3中的各分频预测值进行综合重构，得到综合预测值。

全文数据：

权利要求：

百度查询： 上海海事大学 一种基于时间分频子序列的干散货船租金预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD