基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法技术

本发明专利技术公开了基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，对港内疏港作业货车数量进行采样并进行预处理构造周期性训练样本数据；对周期性训练样本数据进行归一化处理以用于后续支持向量机的训练与预测；选取核函数与参数构造最小二乘支持向量机预测模型，并利用此向量机预测模型完成单步时间序列预测；采用单步预测的数据与之前的采样数据构成新的特征向量输入样本，利用向量机预测模型进行下一步预测，实现多步预测完成对码头疏港作业货车数量的预测。本发明专利技术基于港口作业积累的每日进出港车辆数据，建立最小二乘支持向量机数据预测模型，预测堆场内疏港车数量，为港内调度提供数据支持，解决港内疏港车辆的拥挤问题。

On-line Prediction of Freight Vehicle Quantity in Dock Dredging Operation Based on Least Square Support Vector Machine

【技术实现步骤摘要】
基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法
本专利技术属于生产调度
，具体涉及基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，用以解决港内疏港作业货车过多影响正常疏港效率的问题。
技术介绍
目前，在散货码头的疏港作业中，汽车疏港作业是一种十分重要的作业手段，以唐山某散货码头为例，其汽车疏港量占总疏港量的90％以上。但是由于作业堆场面积、作业铲车装车效率、疏港作业车过磅速度、日疏港作业计划量等因素的影响，在进行疏港作业过程中，堆场内的疏港车辆数量会在短时间内增多，造成堆场拥挤，影响正常的疏港作业。对于这一现象，传统的解决办法是根据经验，当堆场疏港车辆达到一定数量，或者发现堆场内出现在疏港车辆拥挤的现象时，调度室就会临时关闭轻口磅房，阻止疏港车辆继续进入堆场内作业，值到堆场内疏港车辆数量减少到一定水平，继续打开轻口磅房，进行正常的疏港作业。目前这种解决堆场内车辆拥挤的办法存在的问题是具有滞后性，就是说在堆场内发生拥挤之后，再做出响应，这种解决办法往往已经影响到了疏港效率。
技术实现思路
本专利技术解决的技术问题是提供了一种基于最小二乘支持向量机算法的本文档来自技高网...

【技术保护点】
1.基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于具体过程为：步骤S1：对港内疏港作业货车数量进行采样并进行预处理构造周期性训练样本数据；步骤S2：对周期性训练样本数据进行归一化处理以用于后续支持向量机的训练与预测；步骤S3：选取核函数与参数构造最小二乘支持向量机预测模型，并利用此向量机预测模型完成单步时间序列预测；步骤S4：采用单步预测的数据与之前的采样数据构成新的特征向量输入样本，利用向量机预测模型进行下一步预测，从而实现多步预测，完成对码头疏港作业货车数量的预测。

【技术特征摘要】
1.基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于具体过程为：步骤S1：对港内疏港作业货车数量进行采样并进行预处理构造周期性训练样本数据；步骤S2：对周期性训练样本数据进行归一化处理以用于后续支持向量机的训练与预测；步骤S3：选取核函数与参数构造最小二乘支持向量机预测模型，并利用此向量机预测模型完成单步时间序列预测；步骤S4：采用单步预测的数据与之前的采样数据构成新的特征向量输入样本，利用向量机预测模型进行下一步预测，从而实现多步预测，完成对码头疏港作业货车数量的预测。2.根据权利要求1所述的基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于步骤S1的具体过程为：(1)数据采集，根据疏港作业货车的进出港时间，采集某个时间点港内作业货车的数据，以每日19:30为起点，每十分钟采集一次港内作业货车的数据量，每24小时为一个周期，每个周期采集144个数据；...

【专利技术属性】
技术研发人员：王元宝，
申请(专利权)人：河南师范大学，
类型：发明
国别省市：河南,41