一种基于EEMD-SSA-SVR模型的船舶在泊时间预测方法技术

本发明专利技术公开一种基于EEMD‑SSA‑SVR模型的船舶在泊时间预测方法，所述方法包括以下步骤：步骤1、数据获取及处理：获取原始数据并进行数据清洗、分解、归一化处理；步骤2、参数寻优：利用SSA进行参数寻优，以优化SVR模型的惩罚系数C和核函数参数g；步骤3、预测模型构建及训练：构建预测模型即EEMD‑SSA‑SVR模型并训练，利用训练完成的预测模型对在泊时间进行预测；步骤4、预测精度评估：采用决定系数R<supgt;2</supgt;、平均绝对误差MAE和均方根误差RMSE对模型的预测性能进行定量评估。本发明专利技术所述方法基于EEMD‑SSA‑SVR模型实现了对船舶在泊时间的高精度预测，相对于其他传统模型预测精度有很大提升，提高了船舶在泊时间预测的准确性，为实现港口的集约化、绿色化和可持续发展提供科学依据。

【技术实现步骤摘要】

本专利技术属于船舶监测，尤其涉及一种基于eemd-ssa-svr模型的船舶在泊时间预测方法。

技术介绍

1、近年来，全球化贸易的飞速发展带动了交通运输业的繁荣，日渐增加的海运周转量、港口之间的加剧竞争对码头的服务水平提出了更高的要求，由于泊位是港口的关键资源之一，因此研究船舶在泊时间的问题至关重要。通过合理安排泊位计划，在缩短船舶在港时间的基础上还可显著提高港口的生产效率，进而增强港口的整体竞争力。

2、船舶在泊时间主要指从船舶靠泊开始装卸货物到离开泊位这一连续过程的时间，受船型、船舶装卸吨、装载货物种类等因素影响，其数据呈现出非线性特征，导致其预测难度较大。船舶在泊时间的影响因素主要有：

3、1)船舶尺寸。不同船型的船长和船宽在靠泊或离泊时所需时间不同，船体越大，移动越困难，在停泊过程中需要更多的空间和较高的技术要求，导致停泊时间增加，特别是在泊位较为狭窄的港口，这一影响更为显著。同时，吃水较深的船舶需要特定深度的泊位，这可能导致泊位选择受限，增加在泊时间。

4、2)船舶载重吨。港口设施的适应性对大载重吨船舶的在泊时间本文档来自技高网...

【技术保护点】

1.一种基于EEMD-SSA-SVR模型的船舶在泊时间预测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于EEMD-SSA-SVR模型的船舶在泊时间预测方法，其特征在于，步骤1中所述提取出与在泊时间相关性最高的特征因素是通过热力图显示结果，图中颜色越深，表示相关性越高。

3.根据权利要求1所述的一种基于EEMD-SSA-SVR模型的船舶在泊时间预测方法，其特征在于，步骤1中所述利用EEMD算法将在泊时间序列s(t)进行分解的具体步骤为：

4.根据权利要求1所述的一种基于EEMD-SSA-SVR模型的船舶在泊时间预测方法，其特征...

【技术特征摘要】

1.一种基于eemd-ssa-svr模型的船舶在泊时间预测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于eemd-ssa-svr模型的船舶在泊时间预测方法，其特征在于，步骤1中所述提取出与在泊时间相关性最高的特征因素是通过热力图显示结果，图中颜色越深，表示相关性越高。

3.根据权利要求1所述的一种基于eemd-ssa-svr模型的船舶在泊时间预测方法，其特征在于，步骤1中所述利用eemd算法将在泊时间序列s(t)进行分解的具体步骤为：

4....

【专利技术属性】
技术研发人员：李永青，季则舟，杨嘉卉，尤再进，王召伟，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：