【技术实现步骤摘要】
本专利技术属于港口生产运营，更具体地，涉及一种基于大语言模型的新型干散货港口多场景仿真方法。
技术介绍
1、随着全球贸易的迅猛增长，干散货港口作为全球粮食和工业原料的重要运输枢纽和交易节点，其运营效率和管理水平直接关系到全球供应链的稳定性与效率。然而，传统的干散货港口管理方式受限于人工经验，难以应对日益复杂多变的作业环境和操作需求。因此，推进港口智能化管理成为港口发展的关键。
2、新型“散改集”干散货港口通过集装箱实现散货堆存和运输，并构建基于空轨集疏运系统的散货集装箱水平运输和装卸设施，可以有效解决现有散货港口港区流转运输效率低、港区污染重等问题，具有良好的应用前景和市场潜力。
3、大语言模型作为自然语言处理领域的新技术，其基于海量文本数据训练的深度学习能力，使得模型能够深入理解文本含义，处理各种复杂的自然语言任务。将大语言模型应用于干散货港口的多场景仿真中，可以有效解决港口历史数据有限，港口多场景仿真模型配置复杂等干散货港口生产运营难题，为干散货港口管理提供新思路。
4、通过收集港口作业相关数据，...
【技术保护点】
1.一种基于大语言模型的新型干散货港口多场景仿真方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，新型干散货港口作业场景包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据干散货港口仿真预演需求，结合历史仿真数据，收集的多作业场景下的港口生产场景和仿真数据作为训练样本，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用大语言模型的通用知识实现训练样本的扩充，包括：
5.根据权利要求4所述的方法，其特征在于，所述采用训练集对初始的大语言模型进行训练，并采用验证集对初始的大语言模型进行验证
【技术特征摘要】
1.一种基于大语言模型的新型干散货港口多场景仿真方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，新型干散货港口作业场景包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据干散货港口仿真预演需求，结合历史仿真数据，收集的多作业场景下的港口生产场景和仿真数据作为训练样本，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用大语言模型的通用知识实现训练样本的扩充，包括：
5.根据权利要求4所述的方法，其特征在于，所述采用训练集对初始的大语言模型进行训练，并采用验证集对初始的大语言模型进行验证，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于测试集的测试结果对大语言模型指导下的多场景仿真结果进行评估，并利用提示学习机制...
【专利技术属性】
技术研发人员：张煜，吴晗，卢璇，唐可心，周文峰，刘顺，杨彩云，王俊杰，田宏伟，
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。