一种基于时间分频子序列的干散货船租金预测方法

    公开(公告)号:CN115601069A

    公开(公告)日:2023-01-13

    申请号:CN202211312902.X

    申请日:2022-10-25

    Abstract: 本发明涉及一种基于时间分频子序列的干散货船租金预测方法,其特征在于,包括以下步骤:S1获取与BDI指数预测相关的多种指标,并与BDI指数进行相关性分析,筛选出重要的特征作为预测BDI指数的相关指标;S2利用EMD经验模态分解方法对BDI指数进行分频,通过特定算法整合为高中低频三种数据;S3基于步骤S1和步骤S2,通过机器学习方法将相关指标和分频数据放入模型进行预测,分别得到各分频的预测值;S4对于步骤S3中的各分频预测值进行综合重构,得到综合预测值。与现有技术相比,本发明具有预测准确率高、时间跨度大和预测更精细等优点。

    一种基于非固定采样周期的轨迹聚类方法、装置及存储介质

    公开(公告)号:CN118585845A

    公开(公告)日:2024-09-03

    申请号:CN202410692641.1

    申请日:2024-05-31

    Abstract: 本发明涉及一种基于非固定采样周期的轨迹聚类方法、装置及存储介质,方法步骤包括:获取轨迹数据集,并将轨迹数据集中的轨迹时间序列转换为相对时间序列;对相对时间序列的轨迹数据集,采用基于三维空间面积划分的非固定采样周期轨迹相似性算法计算轨迹数据集中轨迹间的相似度;集采用基于轨迹段的DBSCAN聚类算法,遍历轨迹集合中的样本,基于所计算的轨迹间的相似度以及所设置的相似度阈值,将密度相连的轨迹段归入同一聚类簇,并输出轨迹段的聚类结果。与现有技术相比,本发明以3TD相似性算法为依托并结合DBSCAN算法实现对维数不同的轨迹样本的聚类,具有异向轨迹识别准确度高、时间复杂度低,运算效率高、算法鲁棒性强等优点。

    基于航运网络的船舶目的港与货物流向的预测方法和介质

    公开(公告)号:CN119168141A

    公开(公告)日:2024-12-20

    申请号:CN202411236092.3

    申请日:2024-09-04

    Abstract: 本发明涉及一种基于航运网络的船舶目的港与货物流向的预测方法和介质,包括以下步骤:获取船舶AIS数据并进行预处理,所述船舶AIS数据包括船舶所至港口信息、船舶到离港时间、船舶吃水情况和船舶水上移动业务标识码,所述船舶所至港口信息包括港口代码和港口经纬度;对预处理后的船舶AIS数据进行语义信息提取,获得船舶航运网络数据,所述船舶航运网络数据包括船舶轨迹数据和航运网络关键节点数据;将所述船舶航运网络数据输入长短期记忆神经网络多因素模型,获得船舶目的港和货物流向的预测结果。与现有技术相比,本发明可以深入理解船舶的运动模式,准确进行船舶目的港预测和货物流向的预测。

Patent Agency Ranking