[發(fā)明專利]基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910410132.4
• 申請日: 2019-05-16
• 公開（公告）號: CN110298611A
• 公開（公告）日: 2019-10-01
• 發(fā)明（設(shè)計(jì)）人: 牟險(xiǎn)峰;陳欣
• 申請（專利權(quán)）人: 重慶瑞爾科技發(fā)展有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06N3/04;G06N3/08
• 代理公司: 重慶雙馬智翔專利代理事務(wù)所(普通合伙) 50241
• 代理人: 顧曉玲

1.一種基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法，其特征在于，包括以下步驟S1-S6，或步驟S1-S5，或步驟S6：

S1，讀取數(shù)據(jù)庫中多個船舶航行數(shù)據(jù)樣本，每個樣本包含一組航行數(shù)據(jù)特征變量以及與該組航行數(shù)據(jù)特征變量對應(yīng)的船舶貨運(yùn)效率，對這些樣本進(jìn)行隨機(jī)抽樣，航行數(shù)據(jù)特征變量包括船舶運(yùn)行數(shù)據(jù)特征變量和船舶狀態(tài)數(shù)據(jù)特征變量；

S2，構(gòu)建最優(yōu)隨機(jī)森林模型，將隨機(jī)抽樣所得的航行數(shù)據(jù)特征變量作為隨機(jī)森林模型的輸入變量進(jìn)行第一次測試,計(jì)算最優(yōu)隨機(jī)森林模型的預(yù)測誤差，并從隨機(jī)抽樣所得的航行數(shù)據(jù)特征變量中提取出重要特征變量；

S3，構(gòu)建最優(yōu)深度學(xué)習(xí)模型，將所述重要特征變量作為最優(yōu)深度學(xué)習(xí)模型的輸入變量，進(jìn)行第二次測試,計(jì)算最優(yōu)深度學(xué)習(xí)模型的預(yù)測誤差；

S4，讀取實(shí)時(shí)船舶航行數(shù)據(jù)獲得實(shí)時(shí)航行數(shù)據(jù)特征變量，將實(shí)時(shí)航行數(shù)據(jù)特征變量作為輸入變量輸入最優(yōu)隨機(jī)森林模型進(jìn)行第一次預(yù)測、輸入最優(yōu)深度學(xué)習(xí)模型中進(jìn)行第二次預(yù)測；

S5，將第一次預(yù)測結(jié)果和第二次預(yù)測結(jié)果進(jìn)行加權(quán)處理，得到船舶貨運(yùn)效率最終預(yù)測值，并求取置信區(qū)間；

S6，根據(jù)獲得的船舶貨運(yùn)效率最終預(yù)測值與置信區(qū)間的對應(yīng)關(guān)系調(diào)整船舶航行運(yùn)行數(shù)據(jù)，達(dá)到最優(yōu)船舶運(yùn)行效率。

2.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法，其特征在于，所述船舶運(yùn)行數(shù)據(jù)特征變量包括船舶動力系統(tǒng)數(shù)據(jù)，所述船舶動力系統(tǒng)數(shù)據(jù)包括如下種類：發(fā)動機(jī)轉(zhuǎn)速、齒輪機(jī)油壓、尾軸轉(zhuǎn)速之一或任意組合，所述船舶狀態(tài)數(shù)據(jù)特征變量包括如下種類：GPS信號變化數(shù)據(jù)，天氣數(shù)據(jù)，船舶吃水?dāng)?shù)據(jù)，船舶上下水?dāng)?shù)據(jù)，船舶自控信息之一或任意組合；

對船舶運(yùn)行數(shù)據(jù)的種類和船舶狀態(tài)數(shù)據(jù)的種類進(jìn)行抽樣，抽樣所得的船舶運(yùn)行數(shù)據(jù)的種類數(shù)量大于船舶狀態(tài)數(shù)據(jù)的種類數(shù)量。

3.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率預(yù)測方法，其特征在于，所述步驟S2具體為：

S21、在隨機(jī)森林模型中，首先將船舶航行數(shù)據(jù)樣本分割為訓(xùn)練集、驗(yàn)證集和測試集；

S22、使用隨機(jī)森林模型的默認(rèn)參數(shù)，用訓(xùn)練集對隨機(jī)森林模型訓(xùn)練，得到訓(xùn)練好的隨機(jī)森林模型；

S23、將訓(xùn)練好的隨機(jī)森林模型用驗(yàn)證集進(jìn)行驗(yàn)證，得出第一模型誤差；

S24、用網(wǎng)格搜索方法將隨機(jī)森林模型的部分或全部默認(rèn)參數(shù)進(jìn)行組合，得到隨機(jī)森林模型的多組參數(shù)組合；

S25、利用交叉驗(yàn)證方法，對每一種參數(shù)組合下的隨機(jī)森林模型用驗(yàn)證集進(jìn)行驗(yàn)證，得到每組參數(shù)組合的隨機(jī)森林模型的誤差；

S26、將第一模型誤差與交叉驗(yàn)證后得到的每組參數(shù)組合的隨機(jī)森林模型的誤差進(jìn)行比較，誤差最小即為最優(yōu)隨機(jī)森林模型；

S27、利用最優(yōu)隨機(jī)森林模型對測試集進(jìn)行第一次測試，并計(jì)算最優(yōu)隨機(jī)森林模型的預(yù)測誤差，利用最優(yōu)隨機(jī)森林模型對輸入數(shù)據(jù)提取重要特征變量。