基于码头闸口数据的集卡周转时间短时预测方法

摘要：

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.

关键词：水路运输;码头闸口数据;集卡周转时间;短时预测方法;循环神经网络(RNN)

所属期刊栏目：47

分类号：U69(水路运输技术管理)

资助基金：国家自然科学基金71702019

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：31-38