本发明属于船舶运营状态预测,更具体地,涉及一种基于航迹及生产信息融合的船舶运营状态预测方法及系统。
背景技术:
1、监测船舶运营状态是确保船只安全运行和有效管理的重要步骤。以下是一些监测船舶运营状态的方法和技术:
2、传感器技术:在船舶的不同部位安装传感器,如温度传感器、压力传感器、振动传感器等,以实时监测船舶的物理参数。这些传感器可以提供关于引擎、船体、机械部件等状态的数据,有助于检测潜在问题。
3、gps和导航系统:使用全球定位系统(gps)和先进的导航技术来跟踪船舶的位置、航向和速度。这对于确保船只在预定的航线上航行以及避免与其他船只或障碍物碰撞非常重要。
4、但是现有技术中并没有一种技术方案能够根据历史航运信息,对船舶运营状态进行预测。
技术实现思路
1、为解决以上技术特征,本发明提出一种基于航迹及生产信息融合的船舶运营状态预测方法,包括:
2、获取历史航迹信息和历史生产信息,并按照时间步将所述历史航迹信息和所述历史生产信息进行切分,获取每个时间步内的所述历史航迹信息和所述历史生产信息,其中,每个时间步内的所述历史航迹信息包括:在时间步内的船舶位置、航运的环境因素,每个时间步内的所述历史生产信息包括:在时间步内的船舶载货量;
3、设置船舶运营状态预测模型,并将每个时间步内的所述历史航迹信息和所述历史生产信息作为训练数据,对所述船舶运营状态预测模型进行训练,获取实时航迹信息和实时生产信息,并通过以训练的所述船舶运营状态预测模型,计算运营状态预测值,
4、其中,所述船舶运营状态预测模型由设置的多个船舶运营影响函数组成,所述船舶运营影响函数,用于计算船舶位置、航运的环境因素和船舶载货量对船舶运营状态的影响。
5、进一步的,所述船舶运营状态预测模型为:
6、s预测(t)=wp*fp(p(t))+wd*fd(d(t))+we*fe(t))
7、其中,s预测(t)为运营状态预测值,wp为船舶位置影响权重,p(t)为在时间步t时的船舶位置p,fp(p(t))为在时间步t时的船舶位置p的船舶运营影响函数,wd为船舶载货量影响权重,fd(d(t))为在时间步t时的船舶载货量d的船舶运营影响函数,d(t)为在时间步t时的船舶载货量d,we为环境因素影响权重,e(t)为在时间步t时船舶所处的环境因素e,fe(e(t))为在时间步t时船舶所处的环境因素e的船舶运营影响函数。
8、进一步的,在时间步t时的船舶位置p的船舶运营影响函数fp(p(t))为:
9、
10、其中,μ为船舶位置敏感度调整因子,σ为特定船舶位置影响调节因子。
11、进一步的,在时间步t时的船舶载货量d的船舶运营影响函数fd(d(t))为:
12、
13、其中,dmax为船舶额定的最大载货量,γ为船舶载货量敏感度调整因子,θ为船舶载货量影响调节因子。
14、进一步的,在时间步t时船舶所处的环境因素e的船舶运营影响函数fe(e(t))为:
15、
16、其中,α为环境因素敏感度调整因子,β为特定环境因素影响调节因子。
17、本发明还提出一种基于航迹及生产信息融合的船舶运营状态预测系统,包括:
18、获取数据模块,用于获取历史航迹信息和历史生产信息,并按照时间步将所述历史航迹信息和所述历史生产信息进行切分,获取每个时间步内的所述历史航迹信息和所述历史生产信息,其中,每个时间步内的所述历史航迹信息包括:在时间步内的船舶位置、航运的环境因素,每个时间步内的所述历史生产信息包括:在时间步内的船舶载货量;
19、预测模块,用于设置船舶运营状态预测模型,并将每个时间步内的所述历史航迹信息和所述历史生产信息作为训练数据,对所述船舶运营状态预测模型进行训练,获取实时航迹信息和实时生产信息,并通过以训练的所述船舶运营状态预测模型,计算运营状态预测值,
20、其中,所述船舶运营状态预测模型由设置的多个船舶运营影响函数组成,所述船舶运营影响函数,用于计算船舶位置、航运的环境因素和船舶载货量对船舶运营状态的影响。
21、进一步的,所述船舶运营状态预测模型为:
22、s预测(t)=wp*fp(p(t))+wd*fd(d(t))+we*fe(e(t))
23、其中,s预测(t)为运营状态预测值,wp为船舶位置影响权重,p(t)为在时间步t时的船舶位置p,fp(p(t))为在时间步t时的船舶位置p的船舶运营影响函数,wd为船舶载货量影响权重,fd(d(t))为在时间步t时的船舶载货量d的船舶运营影响函数,d(t)为在时间步t时的船舶载货量d,we为环境因素影响权重,e(t)为在时间步t时船舶所处的环境因素e,fe(e(t))为在时间步t时船舶所处的环境因素e的船舶运营影响函数。
24、进一步的,在时间步t时的船舶位置p的船舶运营影响函数fp(p(t))为:
25、
26、其中,μ为船舶位置敏感度调整因子,σ为特定船舶位置影响调节因子。
27、进一步的,在时间步t时的船舶载货量d的船舶运营影响函数fd(d(t))为:
28、
29、其中,dmax为船舶额定的最大载货量,γ为船舶载货量敏感度调整因子,θ为船舶载货量影响调节因子。
30、进一步的,在时间步t时船舶所处的环境因素e的船舶运营影响函数fe(e(t))为:
31、
32、其中,α为环境因素敏感度调整因子,β为特定环境因素影响调节因子。
33、通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
34、本发明获取历史航迹信息和历史生产信息,并按照时间步将所述历史航迹信息和所述历史生产信息进行切分,获取每个时间步内的所述历史航迹信息和所述历史生产信息,其中,每个时间步内的所述历史航迹信息包括:在时间步内的船舶位置、航运的环境因素,每个时间步内的所述历史生产信息包括:在时间步内的船舶载货量;设置船舶运营状态预测模型,并将每个时间步内的所述历史航迹信息和所述历史生产信息作为训练数据,对所述船舶运营状态预测模型进行训练,获取实时航迹信息和实时生产信息,并通过以训练的所述船舶运营状态预测模型,计算运营状态预测值,其中,所述船舶运营状态预测模型由设置的多个船舶运营影响函数组成,所述船舶运营影响函数,用于计算船舶位置、航运的环境因素和船舶载货量对船舶运营状态的影响。本发明通过以上技术方案,能够根据历史信息,并通过预测模型,对船舶运营状态准确预测。
1.一种基于航迹及生产信息融合的船舶运营状态预测方法,其特征在于,包括:
2.如权利要求1所述的一种基于航迹及生产信息融合的船舶运营状态预测方法,其特征在于,所述船舶运营状态预测模型为:
3.如权利要求2所述的一种基于航迹及生产信息融合的船舶运营状态预测方法,其特征在于,在时间步t时的船舶位置p的船舶运营影响函数fp(p(t))为:
4.如权利要求2所述的一种基于航迹及生产信息融合的船舶运营状态预测方法,其特征在于,在时间步t时的船舶载货量d的船舶运营影响函数fd(d(t))为:
5.如权利要求2所述的一种基于航迹及生产信息融合的船舶运营状态预测方法,其特征在于,在时间步t时船舶所处的环境因素e的船舶运营影响函数fe(e(t))为:
6.一种基于航迹及生产信息融合的船舶运营状态预测系统,其特征在于,包括:
7.如权利要求6所述的一种基于航迹及生产信息融合的船舶运营状态预测系统,其特征在于,所述船舶运营状态预测模型为:
8.如权利要求7所述的一种基于航迹及生产信息融合的船舶运营状态预测系统,其特征在于,在时间步t时的船舶位置p的船舶运营影响函数fp(p(t))为:
9.如权利要求7所述的一种基于航迹及生产信息融合的船舶运营状态预测系统,其特征在于,在时间步t时的船舶载货量d的船舶运营影响函数fd(d(t))为:
10.如权利要求7所述的一种基于航迹及生产信息融合的船舶运营状态预测系统,其特征在于,在时间步t时船舶所处的环境因素e的船舶运营影响函数fe(e(t))为: