【技术实现步骤摘要】
本专利技术涉及港口运营，尤其涉及一种港口吞吐量预测方法、模型训练方法、系统、装置及介质。
技术介绍
1、沿海港口承担着绝大部分货物的进出口任务，集装箱港口的吞吐量能够间接反映港口的运营状况，准确地预测港口集装箱吞吐量能够帮助航运公司就航线优化和资源分配做出明智的决策，有助于促进整个海运行业的发展。在复杂的环境下，港口吞吐量的变化受到许多因素影响，考虑多重因素对沿海港口吞吐量进行预测能捕捉到可能影响港口运营的各种变量，有助于提高预测的准确性，但同时也增加了预测的运算量，导致计算负担大。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种港口吞吐量预测方法、模型训练方法、系统、装置及介质，能够提高港口吞吐量预测准确性的同时减少预测运算量。
2、一方面，本专利技术实施例提供了一种港口吞吐量预测模型构建方法，包括以下步骤：
3、获取关于多个候选吞吐量影响因素的样本数据和港口吞吐量时间序列；
4、采用机器学习算法，根据所...
【技术保护点】
1.一种港口吞吐量预测模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的港口吞吐量预测模型构建方法，其特征在于，所述采用机器学习算法，根据所述样本数据和所述港口吞吐量时间序列构建机器学习预测模型，包括以下步骤：
3.根据权利要求2所述的港口吞吐量预测模型构建方法，其特征在于，所述通过沙普利解释模型，对所述机器学习预测模型的预测结果进行解释分析，得到每一个候选吞吐量影响因素的特征贡献值，包括以下步骤：
4.根据权利要求1所述的港口吞吐量预测模型构建方法，其特征在于，所述根据所述特征贡献值从多个所述候选吞吐量影响因素中筛...
【技术特征摘要】
1.一种港口吞吐量预测模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的港口吞吐量预测模型构建方法，其特征在于，所述采用机器学习算法，根据所述样本数据和所述港口吞吐量时间序列构建机器学习预测模型，包括以下步骤：
3.根据权利要求2所述的港口吞吐量预测模型构建方法，其特征在于，所述通过沙普利解释模型，对所述机器学习预测模型的预测结果进行解释分析，得到每一个候选吞吐量影响因素的特征贡献值，包括以下步骤：
4.根据权利要求1所述的港口吞吐量预测模型构建方法，其特征在于，所述根据所述特征贡献值从多个所述候选吞吐量影响因素中筛选出至少一个目标吞吐量影响因素，包括以下步骤：
5.根据权利要求1所述的港口吞吐量预测模型构建方法，其...
【专利技术属性】
技术研发人员：万程鹏，李欣园，张笛，吴达，白茜文，满洁，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。