使用贝叶斯神经网络预测物流节点工作负载
人工智能
2022-11-10 v1
摘要
目的：由于外部因素，空集装箱堆场的交通量高度波动。预测预期的集装箱卡车交通以及拥有动态模块以预见未来工作负载，对提高工作效率和改进具有关键作用。本文研究相关文献并设计一个解决上述问题的预测模型。方法：本文开发了一个预测模型，使用基于贝叶斯神经网络的模型来预测空集装箱堆场中集装箱卡车的每小时工作和交通量。此外，本文使用具有不同特征的数据集进行实验，以评估模型对不同数据源的预测范围。发现：利用空集装箱堆场的真实数据开发预测模型，并随后验证模型的能力。研究结果表明了模型的性能有效性，并为所讨论的空集装箱堆场构建有效的交通和工作负载规划系统提供了基础。原创性：本文提出一种基于贝叶斯深度学习的空集装箱堆场交通与工作负载预测模型，使用真实世界数据。该设计并实现的预测模型提供了一种解决方案，使集装箱卡车运输中的每个参与者都能从优化后的工作负载中受益。
引用
@article{arxiv.2211.04976,
title = {Workload Forecasting of a Logistic Node Using Bayesian Neural Networks},
author = {Emin Nakilcioglu and Anisa Rizvanolli und Olaf Rendel},
journal= {arXiv preprint arXiv:2211.04976},
year = {2022}
}