用于优化港口运营的预测分析
机器学习
2024-09-24 v2 系统与控制
系统与控制
应用统计
机器学习
摘要
海上运输是货物长途和大宗运输的关键物流方式。然而,这种运输方式所涉及的复杂规划常常受到不确定性的阻碍,包括天气条件、货物多样性和港口动态,从而导致成本增加。因此,准确估计船舶的总(停留)时间以及在港口的任何延误,对于港口运营的高效规划与调度至关重要。本研究旨在开发预测分析,以解决先前港口运营研究中关于船舶停留时间和延误时间的不足,为海运物流领域做出有价值的贡献。所提出的解决方案旨在辅助港口环境中的决策并预测服务延误。这通过对巴西港口的案例研究得以展示。此外,特征分析被用于理解影响海运物流的关键因素,从而增强了对港口运营所涉及复杂性的整体理解。更进一步,我们进行了 Shapley 加性解释 (SHAP) 分析,以解释特征对结果的影响,并理解它们对每个样本的影响,为影响港口运营的因素提供了更深入的见解。
引用
@article{arxiv.2401.14498,
title = {Predictive Analysis for Optimizing Port Operations},
author = {Aniruddha Rajendra Rao and Haiyan Wang and Chetan Gupta},
journal= {arXiv preprint arXiv:2401.14498},
year = {2024}
}
备注
21 pages, 9 figures, 4 Tables. Submitted at IEEE BigData 2024