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。