买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明属于海运领域，具体涉及一种基于深度对比学习的船舶到港时间预测方法及其对应的船舶到港时间预测系统和装置。该方案优选包含AIS数据、气象数据与海运路径的特征信息作为样本数据，并筛选出若干组表征相似或不同航行条件的样本对，分别作为正样本对和负样本对。本发明基于对比学习框架构建一个包含特征提取器、投影头和RNN的船舶到港预测模型；并对其进行两阶段训练。在第一阶段中，通过构建正样本对和负样本对来预训练模型中的特征提取部分。在第二阶段，则直接利用样本数据集通过梯度下降的方式训练整个网络模型，使得网络模型的预测精度满足要求。本发明解决了现有技术难以实现对海运船舶的到港时间进行精准预测的问题。

主权项：1.一种基于深度对比学习的船舶到港时间预测方法，其特征在于，其包括如下步骤：S1：获取船舶每个航程对应的过程数据，包括AIS数据、气象数据与海运路径；其中，AIS数据包括船舶的MMSI码、时间戳t、航速Vt、航向、船舶位置Lt；气象数据包括风速Wt、风向和降雨量Bt；海运路径中包含当前航程的起始港、抵达港和航距，以及历经的所有港口或航点；S2：对每个航程包含的所有过程数据进行预处理，完成数据清洗、时间戳对齐和归一化，得到包含多种特征信息的航程时空信息Dt：；其中，表示根据风速和风向修正后的理论航速；Wht表示二值化的气象特征；由同一航程中包含的全部航程时空信息Dt的序列数据构成一个特征集；S3：采集大量真实的特征集构成样本数据集，并根据每个特征集对应的MMSI码、气象特征和海运路径，从中挑选出若干正样本对和负样本对，由正样本对和负样本对构成预训练集；S4：基于对比学习的框架构建一个包含特征提取器、投影头和预测层的船舶到港预测模型；其中，特征提取器和投影头根据输入的Dt提取特征向量Fc；预测层根据输入的Fc生成到港时间的预测结果；S5：设置对比损失作为损失函数，利用所述预训练集对所述船舶到港预测模型中的特征提取器和投影头部分的特征提取性能进行预训练，并保留预训练后的模型参数；S6：设置均方误差作为损失函数，利用所述样本数据集对预训练后的完整的所述船舶到港预测模型进行训练和验证，保留满足预测精度目标的网络模型的模型参数；S7：向完成训练的船舶到港预测模型输入当前航程的Dt的序列数据，由所述船舶到港预测模型生成目的地港口的预测到港时间。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于深度对比学习的船舶到港时间预测方法、系统、装置