[发明专利]基于随机森林与深度学习的船舶货运效率调控方法及系统

摘要

本发明提出了一种基于随机森林与深度学习的船舶货运效率调控方法，读取多个船舶航行数据样本；构建最优随机森林模型，计算其预测误差，并提取出重要特征变量；构建最优深度学习模型，计算其预测误差；读取实时船舶航行数据获得实时航行数据特征变量，将实时航行数据特征变量作为输入变量输入最优随机森林模型进行第一次预测、输入最优深度学习模型中进行第二次预测；将第一次预测结果和第二次预测结果进行加权处理，得到船舶货运效率最终预测值，并求取置信区间；根据获得的船舶货运效率最终预测值与置信区间的对应关系调整船舶航行运行数据。该方法简单有效，能较好的对船舶货运效率进行预测与调控，实现船舶货运效率的最优化。

主权项

1.一种基于随机森林与深度学习的船舶货运效率调控方法，其特征在于，包括以下步骤S1‑S6，或步骤S1‑S5，或步骤S6：S1，读取数据库中多个船舶航行数据样本，每个样本包含一组航行数据特征变量以及与该组航行数据特征变量对应的船舶货运效率，对这些样本进行随机抽样，航行数据特征变量包括船舶运行数据特征变量和船舶状态数据特征变量；S2，构建最优随机森林模型，将随机抽样所得的航行数据特征变量作为随机森林模型的输入变量进行第一次测试,计算最优随机森林模型的预测误差，并从随机抽样所得的航行数据特征变量中提取出重要特征变量；S3，构建最优深度学习模型，将所述重要特征变量作为最优深度学习模型的输入变量，进行第二次测试,计算最优深度学习模型的预测误差；S4，读取实时船舶航行数据获得实时航行数据特征变量，将实时航行数据特征变量作为输入变量输入最优随机森林模型进行第一次预测、输入最优深度学习模型中进行第二次预测；S5，将第一次预测结果和第二次预测结果进行加权处理，得到船舶货运效率最终预测值，并求取置信区间；S6，根据获得的船舶货运效率最终预测值与置信区间的对应关系调整船舶航行运行数据，达到最优船舶运行效率。