基于机器学习的船运仓储需求预测方法及系统2025

专利内容

本发明提供一种基于机器学习的船运仓储需求预测方法及系统，同采集目标港口的船运物流动态数据集，通过多模态特征解析对港口吞吐量时间序列、集装箱运载图谱及仓储设备状态日志联合特征提取，生成包含船舶调度时序、货物周转周期及仓储容量波动的复合特征向量，接着对复合特征向量进行时空编码处理，利用循环卷积网络提取船舶到港时间依赖性特征，结合图注意力机制捕获跨仓储区域货物流转关联性，生成多维时空编码矩阵后，输入预训练的基础船运仓储需求预测模型，输出包含各仓储分区预期货物堆积量及存储周期概率曲线的初步仓储需求分布数据，并修正得到目标仓储需求预测结果，实现更精准、细致的船运仓储需求预测，有助于合理地规划仓储资源。G06Q10/0631(2023.01);G06Q10/087(2023.01);G06Q10/0831(2023.01);G06N3/0442(2023.01);G06N3/0464(2023.01);G06N3/042(2023.01);G06N3/045(2023.01);G06N5/01(2023.01)