申请/专利权人：交通运输部水运科学研究所

申请日：2023-07-04

公开（公告）日：2024-03-22

公开（公告）号：CN116843071B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0639;G06Q10/083;G06Q50/40;G06F17/18;G06F18/15;G06F18/214;G06F40/289;G06N3/044;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.10.24#实质审查的生效;2023.10.03#公开

摘要：本发明公开了一种用于智慧港口的运输网络运行指数预测方法及装置，该用于智慧港口的运输网络运行指数预测方法，包括以下步骤：S1，实时采集智慧港口的数据并将数据进行存储；S2，根据采集的数据针对性地收集经济指标数据，并根据经济指标数据分析出宏观经济形势，保存宏观经济形势；S3，建立预测模型；S4，输出预测结果；S5，自动优化模型；S6，模型自动预警。本发明通过实时采集和处理智慧港口的数据，建立专属名词库，使用RNN模型建立宏观经济形势分析模型，并使用ARIMA模型进行预测，从而实现对运输网络运行指数的实时预测和监测，提高了预测精度和效率，解决了现有技术中存在制定运输安排方案耗时长且不够全面的问题。

主权项：1.一种用于智慧港口的运输网络运行指数预测方法，其特征在于，包括以下步骤：S1，采集港口数据：实时采集智慧港口的数据并将数据进行存储；S2，分析经济指标：根据采集的数据针对性地收集经济指标数据，并根据经济指标数据分析出宏观经济形势，保存宏观经济形势；S3，建立预测模型：利用智慧港口的历史数据和历史宏观经济形势建立预测模型，用于预测智慧港口的运输网络运行指数；S4，输出预测结果：将智慧港口实时数据和对应的实时宏观经济形势输入预测模型，输出预测的运输网络运行指数；S5，自动优化模型：定期将新的港口数据和宏观经济形势加入预测模型重训练，自动优化更新预测模型；S6，模型自动预警：实时监测和对比港口的运输网络运行指数的预测值和实际值，并在差异超过预定阈值时发送警报；所述S3中利用智慧港口的历史数据和历史宏观经济形势建立预测模型的具体流程为：获取智慧港口的历史数据和历史宏观经济形势，并将其进行数据清洗和预处理，确定选取的ARIMA模型特征参数:，其中，表示进行数据清洗和预处理后的数据，表示时间t的输入特征向量，包含智慧港口的历史数据和历史宏观经济形势，表示均值，和表示ARIMA模型的特征参数，p，表示噪声项；根据需求和数据情况，在特征选取的基础上选择合适的ARIMA模型，并使用历史数据训练进行训练，保存其中具有较好预测性能的预测模型：其中，ARIMA模型表示为，其中，是经过差分后的时间序列数据，B是时间滞后算子；对训练得到的预测模型进行诊断，评估模型健康度并进行调整，其中评估模型健康度使用的公式为：，该公式中，AIC是模型选择准则，L是ARIMA模型的似然函数，k是ARIMA模型的参数个数；将实时智慧港口数据和宏观经济形势输入到调整好的预测模型，对智慧港口的运输网络运行指数进行预测，并输出预测结果，其中预测模型表示为：，该公式中，是预测得到的智慧港口运输网络运行指数。

全文数据：

权利要求：

百度查询： 交通运输部水运科学研究所 一种用于智慧港口的运输网络运行指数预测方法及装置

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