[发明专利]一种国际航运集装箱运价预测方法

权利要求书

1.一种国际航运集装箱运价预测方法，其特征在于：包括以下步骤：

S1、获取历史集装箱价格数据，并在时间维度，航线维度和价格维度多个维度对价格历史数据进行分类，得到同一数据在不同维度下的分类结果；

S2、对分类后的历史价格进行技术面预处理，包括以下步骤：

步骤一、数据去噪：对含有随机噪声的原始价格数据进行小波去噪，去掉数据中的随机波动；

步骤二、价格时间序列平稳化：通过一阶差分可以将非平稳随机游走其转化为平稳的白噪声，数据补齐；

步骤三、对历史数据的缺失进行补齐，将缺失数据分类成非系统性缺失和系统性缺失；对非系统性缺失数据，采用前后数据的均值补齐；对系统化缺失分类成结构性缺失和非结构性缺失；对结构性缺失采用三阶滑动平均法进行填补，对非结构性缺失，采用随机森林预测的方法进行补齐；

步骤四、归一化处理：从时间维度，航程维度，航线维度，价格维度分别对价格数据进行归一化处理；

步骤五、有监督学习数据集生成：分析所述多维度价格的数据规律与关系，对集装箱价格预测问题进行描述和定义得到时间序列-特征-价格数据；

S3、挖掘价格序列与外在影响因子的数据规律与关系，得到特征-价格序列数据，具体为：

因果关系判定：使用格兰杰因果关系分析法，测试一个序列对于价格时间序列是否具有预测信息；使用Pearson相关系数作为不同维度特征关联程度的指标，通过关联程度加权计算得到加权指数；其pearson系数计算公式为：

其中，是随机变量X,Y的协方差，分别为X,Y的标准差，取值范围[0,1],越大表示X,Y相关性越强；

=1时，表示X,Y成正相关，=0时，代表X,Y无线性关系；

S4、根据历史价格序列数据与上述影响因子对未来时间段的价格进行回归预测。

2.根据权利要求1所述的一种国际航运集装箱运价预测方法，其特征在于：所述S1中时间维度分类具体为：同一天出航的集装箱价格在不同的观测日期的价格，不同出发日期在同一个观测日期的价格，所述航线维度具体为：起始港，目的港，沿途上卸货港，航程，是否经过运河，是否船公司主力航线，开船频次，月开船数量，价格维度具体为：历史提价，降价次数，价格序列的平均值、标准差、最小值和最大值，价格波动平均间隔时间，波动平均次数。

3.根据权利要求1所述的一种国际航运集装箱运价预测方法，其特征在于：所述S2中步骤五的价格时间序列平稳化具体为：将时间序列经过 d 次差分处理后，用移动平均模型来拟合平稳检验；

求得序列的自相关系数 ACF 和偏自相关系数 PACF，通过对自相关图和偏自相关图的分析，得到最佳的阶层 p 和阶数 q。

4.根据权利要求1所述的一种国际航运集装箱运价预测方法，其特征在于：所述S2中步骤五集装箱价格时间序列与时间的先后顺序强烈相关，利用LSTM处理时序数据的优势，构建多变量时间序列预测模型，分别对多种因素进行综合考虑，在输入数据类型的层面，将与价格相关的外在影响因子作为输入特征来进行时序预测，进行特征连接融合，得到最终训练模型。

5.根据权利要求1所述的一种国际航运集装箱运价预测方法，其特征在于：所述S2中步骤五在国际集装箱航运数据中，不同的特征属性的量纲不同，特征属性值的取值范围不一，需要对各特征属性值做归一化处理，以规避量纲不同对预测模型的影响;价格序列数据包括：根据连续多天出发日期对应的价格序列，与同一天出航日期多个观测日期的价格序列，历史提价，降价次数，价格序列的平均值、标准差、最小值和最大值，价格波动平均间隔时间，波动平均次数。

6.根据权利要求1所述的一种国际航运集装箱运价预测方法，其特征在于：所述S2中步骤五对所有的外部特征，利用BatchNormalization层做数据的标准化，然后通过两个全连接神经网络层将数据映射为一个n维特征向量。