[發(fā)明專利]一種提高水產(chǎn)動(dòng)物運(yùn)輸存活率的智能調(diào)控方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210541350.3
• 申請(qǐng)日: 2022-05-19
• 公開(kāi)（公告）號(hào): CN114997775A
• 公開(kāi)（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 靳莉莉
• 申請(qǐng)（專利權(quán)）人: 深圳市展之信供應(yīng)鏈管理有限公司
• 主分類號(hào): G06Q10/08
• 分類號(hào): G06Q10/08;G06K9/62;G06Q10/06
• 代理公司: 武漢江楚智匯知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 42228
• 代理人: 鄧寅杰

1.一種提高水產(chǎn)動(dòng)物運(yùn)輸存活率的智能調(diào)控方法，其特征在于，所述方法包括：

回溯第一運(yùn)輸記錄進(jìn)行脅迫指標(biāo)采集，獲得第一脅迫指標(biāo)集合，其中，所述第一脅迫指標(biāo)包括第一應(yīng)激頻率和第一應(yīng)激等級(jí)；

判斷所述第一應(yīng)激頻率是否滿足第一應(yīng)激頻率閾值，判斷所述第一應(yīng)激等級(jí)是否滿足第一應(yīng)激等級(jí)閾值；

當(dāng)所述第一應(yīng)激頻率滿足所述第一應(yīng)激頻率閾值或/和所述第一應(yīng)激等級(jí)滿足所述第一應(yīng)激等級(jí)閾值，將對(duì)應(yīng)的脅迫指標(biāo)設(shè)為第一孤立預(yù)警指標(biāo)；

對(duì)所述第一孤立預(yù)警指標(biāo)進(jìn)行層級(jí)聚類分析，生成第一聚類分析結(jié)果；

上傳第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一聚類分析結(jié)果進(jìn)行損傷級(jí)別預(yù)測(cè)，生成第一損傷預(yù)測(cè)等級(jí)；

當(dāng)所述第一損傷預(yù)測(cè)等級(jí)滿足第一損傷等級(jí)閾值，將對(duì)應(yīng)的孤立預(yù)警指標(biāo)設(shè)為第一危害指標(biāo)；

將所述第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)和所述第一危害指標(biāo)輸入應(yīng)對(duì)策略匹配模型，生成第一應(yīng)對(duì)策略，基于所述第一應(yīng)對(duì)策略進(jìn)行運(yùn)輸調(diào)控。

2.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

當(dāng)所述第一應(yīng)激頻率不滿足所述第一應(yīng)激頻率閾值或/和所述第一應(yīng)激等級(jí)不滿足所述第一應(yīng)激等級(jí)閾值，將對(duì)應(yīng)的脅迫指標(biāo)設(shè)為第一交互預(yù)警指標(biāo)；

基于歷史數(shù)據(jù)，對(duì)所述第一交互預(yù)警指標(biāo)進(jìn)行組合，獲得第一組合結(jié)果；

根據(jù)所述第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一組合結(jié)果進(jìn)行損傷級(jí)別預(yù)測(cè)，生成第二損傷預(yù)測(cè)等級(jí)。

3.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述第一孤立預(yù)警指標(biāo)進(jìn)行層級(jí)聚類分析，生成第一聚類分析結(jié)果，包括：

獲得一級(jí)聚類屬性，其中，所述一級(jí)聚類屬性包括物理脅迫屬性和化學(xué)脅迫屬性；

根據(jù)所述一級(jí)聚類屬性對(duì)所述第一孤立預(yù)警指標(biāo)進(jìn)行聚類，生成一級(jí)聚類結(jié)果；

遍歷所述第一孤立預(yù)警指標(biāo)，生成第二應(yīng)激等級(jí)；

對(duì)所述第二應(yīng)激等級(jí)進(jìn)行序列化調(diào)整，生成第一序列化調(diào)整結(jié)果；

根據(jù)所述第一序列化調(diào)整結(jié)果，遍歷所述一級(jí)聚類結(jié)果進(jìn)行分層，生成第一有向聚類樹(shù)；

將所述第一有向聚類樹(shù)設(shè)為所述第一聚類分析結(jié)果。

4.如權(quán)利要求2所述的方法，其特征在于，所述上傳第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一聚類分析結(jié)果進(jìn)行損傷級(jí)別預(yù)測(cè)，生成第一損傷預(yù)測(cè)等級(jí)，包括：

獲得第一損傷級(jí)別預(yù)測(cè)模型，其中，所述第一損傷級(jí)別預(yù)測(cè)模型包括第一網(wǎng)絡(luò)層和第二網(wǎng)絡(luò)層；

根據(jù)所述第一聚類分析結(jié)果，生成第一物理脅迫指標(biāo)有向集和第一化學(xué)脅迫指標(biāo)有向集；

根據(jù)所述第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一物理脅迫指標(biāo)有向集，輸入所述第一網(wǎng)絡(luò)層，生成第一物理脅迫損傷等級(jí)；

根據(jù)所述第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一化學(xué)脅迫指標(biāo)有向集，輸入所述第二網(wǎng)絡(luò)層，生成第一化學(xué)脅迫損傷等級(jí)；

將所述第一物理脅迫損傷等級(jí)和所述第一化學(xué)脅迫損傷等級(jí)添加進(jìn)所述第一損傷預(yù)測(cè)等級(jí)。

5.如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一組合結(jié)果進(jìn)行損傷級(jí)別預(yù)測(cè)，生成第二損傷預(yù)測(cè)等級(jí)，包括：

根據(jù)所述第一損傷級(jí)別預(yù)測(cè)模型，獲得第三網(wǎng)絡(luò)層；

根據(jù)所述第一預(yù)設(shè)運(yùn)輸時(shí)長(zhǎng)，遍歷所述第一組合結(jié)果，輸入所述第三網(wǎng)絡(luò)層，生成所述第二損傷預(yù)測(cè)等級(jí)。

6.如權(quán)利要求5所述的方法，其特征在于，所述獲得第一損傷級(jí)別預(yù)測(cè)模型，包括：

構(gòu)建第一輸入層；

基于人工神經(jīng)網(wǎng)絡(luò)和第一歷史數(shù)據(jù)，構(gòu)建所述第一網(wǎng)絡(luò)層；

基于人工神經(jīng)網(wǎng)絡(luò)和第二歷史數(shù)據(jù)，構(gòu)建所述第二網(wǎng)絡(luò)層；

基于人工神經(jīng)網(wǎng)絡(luò)和第三歷史數(shù)據(jù)，構(gòu)建所述第三網(wǎng)絡(luò)層；

構(gòu)建第一輸出層；

將所述第一輸入層、所述第一網(wǎng)絡(luò)層、所述第二網(wǎng)絡(luò)層、所述第三網(wǎng)絡(luò)層和所述第一輸出層合并，生成所述第一損傷級(jí)別預(yù)測(cè)模型。