基于深度对比学习的船舶到港时间预测方法、系统、装置制造方法及图纸

本发明专利技术属于海运领域，具体涉及一种基于深度对比学习的船舶到港时间预测方法及其对应的船舶到港时间预测系统和装置。该方案优选包含AIS数据、气象数据与海运路径的特征信息作为样本数据，并筛选出若干组表征相似或不同航行条件的样本对，分别作为正样本对和负样本对。本发明专利技术基于对比学习框架构建一个包含特征提取器、投影头和RNN的船舶到港预测模型；并对其进行两阶段训练。在第一阶段中，通过构建正样本对和负样本对来预训练模型中的特征提取部分。在第二阶段，则直接利用样本数据集通过梯度下降的方式训练整个网络模型，使得网络模型的预测精度满足要求。本发明专利技术解决了现有技术难以实现对海运船舶的到港时间进行精准预测的问题。

【技术实现步骤摘要】

本专利技术属于海运领域，具体涉及一种基于深度对比学习的船舶到港时间预测方法及其对应的船舶到港时间预测系统和装置。

技术介绍

1、随着全球化贸易的不断深入，海运作为国际贸易的重要组成部分，其效率直接影响全球供应链的稳定性和成本。而船舶到港时间的不确定性一直以来给港口运营、货物调度和库存管理带来挑战。因此准确预测船舶到港时间对航运业有着至关重要的作用。

2、现有预测船舶到港时间的方法是根据船舶的实时位置和航行速度进行运算，然而这种预测方法会受到天气、海况等因素影响。此外，此类船舶到港时间预测方法还高度依赖于数据的质量和完整性，当数据缺失、错误或不一致时，都可能导致预测结果与实际到达时间偏差较大。因此，本领域技术人员亟需一种可靠性更高，预测结果更准确的船舶到港时间预测方案。

技术实现思路

1、为了解决现有技术难以实现对海运船舶的到港时间进行精准预测的问题，本专利技术提供一种基于深度对比学习的船舶到港时间预测方法及其对应的船舶到港时间预测系统和装置。

2、本专利技术提供的技术方案为：

<本文档来自技高网...

【技术保护点】

1.一种基于深度对比学习的船舶到港时间预测方法，其特征在于，其包括如下步骤：

2.如权利要求1所述的基于深度对比学习的船舶到港时间预测方法，其特征在于，步骤S2中，所述航程时空信息Dt和特征集的生成过程如下：

3.如权利要求2所述的基于深度对比学习的船舶到港时间预测方法，其特征在于：步骤S21中，采用箱型图方法识别船速、风速以及船舶位置的过程数据中包含的异常值，并将其删除。

4.如权利要求3所述的基于深度对比学习的船舶到港时间预测方法，其特征在于：步骤S22中，理论航速的修正方法如下：

5.如权利要求4所述的基于深度对比学习的船舶到港时间预...

【技术特征摘要】

1.一种基于深度对比学习的船舶到港时间预测方法，其特征在于，其包括如下步骤：

2.如权利要求1所述的基于深度对比学习的船舶到港时间预测方法，其特征在于，步骤s2中，所述航程时空信息dt和特征集的生成过程如下：

3.如权利要求2所述的基于深度对比学习的船舶到港时间预测方法，其特征在于：步骤s21中，采用箱型图方法识别船速、风速以及船舶位置的过程数据中包含的异常值，并将其删除。

4.如权利要求3所述的基于深度对比学习的船舶到港时间预测方法，其特征在于：步骤s22中，理论航速的修正方法如下：

5.如权利要求4所述的基于深度对比学习的船舶到港时间预测方法，其特征在于：步骤s23中，风速与降雨量的二值化处理的表达式如下；

6.如权利要求1所述的基于深度对比学习的船舶到港时间预测方法，其特征在于：步骤s3中，选择由同一类型船舶在相...

【专利技术属性】
技术研发人员：郭利泉，王波，侯伟路，李晨，宋文静，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：