[发明专利]一种基于实际航运业务和数据挖掘的运力预测方法

权利要求书

1.一种基于实际航运业务和数据挖掘的运力预测方法，其特征在于，包括：

步骤S1：从实际航运行业数据中提取出船舶实验数据，并基于时间一致性检测以及预设船舶航行规律过滤和清除船舶实验数据中包含的异常数据，获得处理后的船舶实验数据，其中，处理后的船舶实验数据包括基础数据和历史航线数据，基础数据包括船型、船舶标识，历史航线数据包括航次；

步骤S2：根据航线数据中航线的时间连续性和预设规则，将邻近航次合并为一条有效船舶历史航次，获得处理后的航线数据；

步骤S3：对基础数据和处理后的航线数据进行特征选择，获得有效实验数据集；

步骤S4：根据航线和船型，计算有效实验数据集中不同船型和航线的航次周转期，根据船舶标识，计算有效实验数据集中不同船舶的船舶周转期；

步骤S5：根据有效实验数据集、不同船型和航线的航次周转期以及不同船舶的船舶周转期，对可用运力进行预测；

其中，步骤S5具体包括：

根据有效实验数据集、不同船型和航线的航次周转期以及不同船舶的船舶周转期，设置两种运力计算方式，其中，第一种运力计算方式为根据设定的时间段计算筛选出可用船舶，第二种运力计算方式为选定某一船舶，计算未来可用船期；

根据设置的运力计算方式，对运力进行预测；

其中，根据设置的运力预测方式，对运力进行预测，包括：

筛选出“当前时间+从当前位置到达装货港所需天数+当前时间至指定未来时间的航次数*周转期＝指定未来时间”并且“船型＝指定船型±10％”的所有船舶，作为可用船舶，其中，当前航次卸货港缺失，则周转期取船舶周转期，否则取航次周转期；

计算出“指定的船舶从当前位置到达下一个装货港所需天数+未来航次数*船舶周转期＝k”的航次数n，并列出当前时间+从当前位置到达下一个装货港所需天数+{0,1,…,n}*周转期所对应的日期序列，作为未来可用船期，其中，k为指定的未来天数，当前航次卸货港缺失，则周转期取船舶周转期，否则取航次周转期。

2.如权利要求1所述的方法，其特征在于，基础数据包括船舶基础属性数据和港口基础属性数据，港口基础属性数据包括港口名，步骤S1具体包括：

将基础数据中包含的不规则港口名与收集的规则港口数据集进行相似性映射、通过船舶航次的可溯源性，基于邻近时间填充航次的缺失值，根据唯一性规则、连续型规则和空值规则清除不一致数据。

3.如权利要求1所述的方法，其特征在于，步骤S2具体包括：

步骤S2.1：将历史航线数据按照船舶标识进行分组，并根据时间进行升序排列；

步骤S2.2：根据航线的起始港，终点港，航次时间是否与相邻航次的数值具备一致性，以及停泊时长的合理性，对航线数据的有效性进行判断；

步骤S2.3：如果当前航次有效，则判断相邻航次的装卸货时长是否在给定阈值内，如果在，则将当前航次与相邻航次进行合并，重复执行步骤S2.2～S2.3，直到所有船舶的航线数据处理完毕。

4.如权利要求1所述的方法，其特征在于，基础数据和处理后的航线数据中包括连续型数据、文本属性数据以及与决策航次时间的数据，步骤S3具体包括：

对连续型数据进行离散化处理、对文本属性数据进行属性数值规约、对决策航次时间的数据进行泛化，获得有效实验数据集。

5.如权利要求4所述的方法，其特征在于，连续型数据包括船型，对连续型数据进行离散化处理，包括：按区间进行数据监督离散化操作，根据航运通用分组方式进行分类并离散化。

6.如权利要求4所述的方法，其特征在于，文本属性数据包括装货港和卸货港，对文本属性数据进行属性数值规约包括：

建立装货港与卸货港组合的映射关系，规约为有效航线数据，当装货港或者卸货港缺失时，采用标准装货港和标准卸货港进行填充。