一种航运信息动态监测及超前预报方法及系统技术方案

本发明专利技术公开一种航运信息动态监测及超前预报方法及系统，该方法包括：获取每个船舶的历史船运信息，所述历史船运信息包括：船舶的实际到港日期

【技术实现步骤摘要】
一种航运信息动态监测及超前预报方法及系统


[0001]本专利技术属于航运信息动态监测及超前预报
，更具体地，涉及一种航运信息动态监测及超前预报方法及系统
。

技术介绍

[0002]下面是一些航运超期监测的方法和技术，用于实现航运信息的动态监测和超期预报：
[0003]实时位置跟踪系统：使用卫星导航系统
(
如
GPS)
和无线通信技术，船舶可以被实时跟踪
。
这种系统可以提供船舶的准确位置
、
航速和航向等信息，有助于航线规划和监测船舶是否按计划行驶
。
[0004]物联网技术：在船舶上安装各种传感器，监测关键数据如温度
、
湿度
、
载重量
、
燃油消耗等
。
这些数据可以通过互联网上传至中央系统，帮助监测船舶的状态和性能
。
[0005]但是现有技术中并没有一种技术方案能够根据历史数据，对船舶的超期时间进行预测
。

技术实现思路

[0006]为解决以上技术特征，本专利技术提出一种航运信息动态监测及超前预报方法，包括：
[0007]获取每个船舶的历史船运信息，所述历史船运信息包括：船舶的实际到港日期
、
船舶的预计到港日期
、
常规影响因素向量和特定影响因素向量，其中，所述特定影响因素向量为所述历史船运信息中对所述船舶的实际到港日期影响最大的影响因素向量；
[0008]设置船舶超期预报模型，将所述历史船运信息作为训练数据集输入到所述船舶超期预报模型中，完成所述船舶超期预报模型的训练；
[0009]对船舶的航运信息进行实时动态监测，将获取到的实时航运信息输入到训练好的所述船舶超期预报模型中，计算船舶的航运预期超期时间，以完成船舶超期时间的超前预报
。
[0010]进一步的，所述船舶超期预报模型包括：
[0011][0012]其中，
T
为航运预期超期时间，
f(X)
为综合影响因素函数，
D
为实际到港日期，
E
为预计到港日期，
g
i
(X
i
)
为常规影响因素向量
X
i
对航运超期时间的影响函数，
X
i
为第
i
个常规影响因素向量，
n
为影响因素向量的个数，
h1(Y)
为特定影响因素向量
Y
对航运超期时间的影响函数，
h2(Y)
为特定影响因素向量
Y
的权重函数
。
[0013]进一步的，特定影响因素向量
Y
对航运超期时间的影响函数
h1(Y)
和特定影响因素向量
Y
的权重函数
h2(Y)
分别为：
[0014][0015][0016]其中，
a0为第一调整因子，
d0为第二调整因子，为对第
i
个特定影响因素向量
Y
进行幂次为
p
的运算，用于表示特定影响因素向量
Y
对航运超期时间的非线性影响，
a
i
为第
i
个第一影响因子
、b
i
为第
i
个第二影响因子，
c
i
为第
i
个第三影响因子，
d
i
为第
i
个第四影响因子，
e
i
为第
i
个第五影响因子
。
[0017]进一步的，常规影响因素
X
i
对航运超期时间的影响函数
g
i
(X
i
)
为：
[0018][0019]其中，
p
′
i
为第
i
个第三调整因子，
q
i
为第
i
个第四调整因子，
r
i
为第
i
个第五调整因子，
s
i
为第
i
个第六调整因子，
t
i
为第
i
个第七调整因子
。
[0020]进一步的，综合影响因素函数
f(X)
为：
[0021][0022]其中，
a
′0为第八调整因子，
a
′
i
为第
i
个第六影响因子，
b
′
i
为第
i
个第七影响因子，
c
′
i
为第
i
个第八影响因子
。
[0023]进一步的，通过最小二乘法对调整因子和影响因子进行拟合
。
[0024]本专利技术还提出一种航运信息动态监测及超前预报系统，包括：
[0025]获取数据模块，用于获取每个船舶的历史船运信息，所述历史船运信息包括：船舶的实际到港日期
、
船舶的预计到港日期
、
常规影响因素向量和特定影响因素向量，其中，所述特定影响因素向量为所述历史船运信息中对所述船舶的实际到港日期影响最大的影响因素向量；
[0026]训练模型模块，用于设置船舶超期预报模型，将所述历史船运信息作为训练数据集输入到所述船舶超期预报模型中，完成所述船舶超期预报模型的训练；
[0027]预报模块，用于对船舶的航运信息进行实时动态监测，将获取到的实时航运信息输入到训练好的所述船舶超期预报模型中，计算船舶的航运预期超期时间，以完成船舶超期时间的超前预报
。
[0028]进一步的，所述船舶超期预报模型包括：
[0029][0030]其中，
T
为航运预期超期时间，
f(X)
为综合影响因素函数，
D
为实际到港日期，
E
为预计到港日期，
g
i
(X
i
)
为常规影响因素向量
X
i
对航运超期时间的影响函数，
X
i
为第
i
个常规影响因素向量，
n
为影响因素向量的个数，
h1(Y)
为特定影响因素向量
Y
对航运超期时间的影响函数，
h2(Y)
为特定影响因素向量
Y
的权重函数
。
[0031]进一步的，特定影响因素向量
Y
对航运超期时间的影响函数
h本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种航运信息动态监测及超前预报方法，其特征在于，包括：获取每个船舶的历史船运信息，所述历史船运信息包括：船舶的实际到港日期
、
船舶的预计到港日期
、
常规影响因素向量和特定影响因素向量，其中，所述特定影响因素向量为所述历史船运信息中对所述船舶的实际到港日期影响最大的影响因素向量；设置船舶超期预报模型，将所述历史船运信息作为训练数据集输入到所述船舶超期预报模型中，完成所述船舶超期预报模型的训练；对船舶的航运信息进行实时动态监测，将获取到的实时航运信息输入到训练好的所述船舶超期预报模型中，计算船舶的航运预期超期时间，以完成船舶超期时间的超前预报
。2.
如权利要求1所述的一种航运信息动态监测及超前预报方法，其特征在于，所述船舶超期预报模型包括：其中，
T
为航运预期超期时间，
f(X)
为综合影响因素函数，
D
为实际到港日期，
E
为预计到港日期，
g
i
(X
i
)
为常规影响因素向量
X
i
对航运超期时间的影响函数，
X
i
为第
i
个常规影响因素向量，
n
为影响因素向量的个数，
h1(Y)
为特定影响因素向量
Y
对航运超期时间的影响函数，
h2(Y)
为特定影响因素向量
Y
的权重函数
。3.
如权利要求2所述的一种航运信息动态监测及超前预报方法，其特征在于，特定影响因素向量
Y
对航运超期时间的影响函数
h1(Y)
和特定影响因素向量
Y
的权重函数
h2(Y)
分别为：为：其中，
a0为第一调整因子，
d0为第二调整因子，为对第
i
个特定影响因素向量
Y
进行幂次为
p
的运算，用于表示特定影响因素向量
Y
对航运超期时间的非线性影响，
a
i
为第
i
个第一影响因子
、b
i
为第
i
个第二影响因子，
c
i
为第
i
个第三影响因子，
d
i
为第
i
个第四影响因子，
e
i
为第
i
个第五影响因子
。4.
如权利要求2所述的一种航运信息动态监测及超前预报方法，其特征在于，常规影响因素
X
i
对航运超期时间的影响函数
g
i
(X
i
)
为：其中，
p
′
i
为第
i
个第三调整因子，
q
i
为第
i
个第四调整因子，
r
i
为第
i
个第五调整因子，
s
i
为第
i
个第六调整因子，
t
i
为第
i
个第七调整因子
。5.
如权利要求2所述的一种航运信息动态监测及超前预报方法，其特征在于，综合影响因素函数
f(X)
为：其中，
a
′0为第八调整因子，
a
′
i
为第
i
个第六影响因子，
b
′
i
为第
...

【专利技术属性】
技术研发人员：王浩，张娜，张博，付晓坤，齐蒙蒙，芦伟，朱锐，穆珂，
申请(专利权)人：长江水上交通监测与应急处置中心，
类型：发明
国别省市：