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

本發(fā)明提出了一種基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法，讀取多個(gè)船舶航行數(shù)據(jù)樣本；構(gòu)建最優(yōu)隨機(jī)森林模型，計(jì)算其預(yù)測(cè)誤差，并提取出重要特征變量；構(gòu)建最優(yōu)深度學(xué)習(xí)模型，計(jì)算其預(yù)測(cè)誤差；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(cè)、輸入最優(yōu)深度學(xué)習(xí)模型中進(jìn)行第二次預(yù)測(cè)；將第一次預(yù)測(cè)結(jié)果和第二次預(yù)測(cè)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(cè)值，并求取置信區(qū)間；根據(jù)獲得的船舶貨運(yùn)效率最終預(yù)測(cè)值與置信區(qū)間的對(duì)應(yīng)關(guān)系調(diào)整船舶航行運(yùn)行數(shù)據(jù)。該方法簡(jiǎn)單有效，能較好的對(duì)船舶貨運(yùn)效率進(jìn)行預(yù)測(cè)與調(diào)控，實(shí)現(xiàn)船舶貨運(yùn)效率的最優(yōu)化。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，具體涉及一種基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法及系統(tǒng)。

背景技術(shù)

航運(yùn)是作為水上運(yùn)輸?shù)囊环N極重要的運(yùn)輸方式，其地位不可忽視。在航運(yùn)中，船舶貨運(yùn)效率是指同型號(hào)船舶在運(yùn)送同等單位的貨物時(shí)，在單位時(shí)間內(nèi)行駛單位長(zhǎng)度的位移所消耗的油量，因此船舶貨運(yùn)效率是船舶在航行任務(wù)中的一個(gè)重要的參數(shù)指標(biāo)。

影響船舶貨運(yùn)效率的因素有很多，如發(fā)動(dòng)機(jī)轉(zhuǎn)速、齒輪機(jī)油壓、左右尾軸轉(zhuǎn)速、GPS信號(hào)變化數(shù)據(jù)、GPS經(jīng)緯度數(shù)據(jù)、天氣數(shù)據(jù)、船舶吃水?dāng)?shù)據(jù)、上下水?dāng)?shù)據(jù)、油箱液位數(shù)據(jù)，發(fā)動(dòng)機(jī)功率、載重排水、船舶載重信息等等。如何使船舶在不同的因素下能運(yùn)行在最優(yōu)的效率下是現(xiàn)目前研究的重點(diǎn)。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的是提供一種基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法及系統(tǒng)。

為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種基于隨機(jī)森林與深度學(xué)習(xí)的船舶貨運(yùn)效率調(diào)控方法，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(kù)中多個(gè)船舶航行數(shù)據(jù)樣本，每個(gè)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(duì)應(yīng)的船舶貨運(yùn)效率，對(duì)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(cè)試，計(jì)算最優(yōu)隨機(jī)森林模型的預(yù)測(cè)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(cè)試，計(jì)算最優(yōu)深度學(xué)習(xí)模型的預(yù)測(cè)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(cè)、輸入最優(yōu)深度學(xué)習(xí)模型中進(jìn)行第二次預(yù)測(cè)；

S5，將第一次預(yù)測(cè)結(jié)果和第二次預(yù)測(cè)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(cè)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(cè)值與置信區(qū)間的對(duì)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。

本發(fā)明能過(guò)先利用隨機(jī)森林模型進(jìn)行第一預(yù)測(cè)，再通過(guò)深度學(xué)習(xí)模型進(jìn)行第二次預(yù)測(cè)，將兩次預(yù)測(cè)的結(jié)果進(jìn)行加權(quán)得到最終的船舶貨運(yùn)效率和置信區(qū)間，根據(jù)獲得的船舶貨運(yùn)效率與置信區(qū)間的對(duì)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，這加強(qiáng)了調(diào)控船舶貨運(yùn)效率的準(zhǔn)確性。

優(yōu)選的，所述船舶運(yùn)行數(shù)據(jù)特征變量包括船舶動(dòng)力系統(tǒng)數(shù)據(jù)，所述船舶動(dòng)力系統(tǒng)數(shù)據(jù)包括如下種類(lèi)：發(fā)動(dòng)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(lèi)：GPS信號(hào)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(duì)船舶運(yùn)行數(shù)據(jù)的種類(lèi)和船舶狀態(tài)數(shù)據(jù)的種類(lèi)進(jìn)行抽樣，抽樣所得的船舶運(yùn)行數(shù)據(jù)的種類(lèi)數(shù)量大于船舶狀態(tài)數(shù)據(jù)的種類(lèi)數(shù)量。