港口进出口货物吞吐量是反映港口业务状况的重要指标，其准确预测将给港口经营管理人员进行决策提供重要的依据.利用机器翻译领域的Seq2Seq模型，对影响港口进出货物量的多种因素进行建模.Seq2Seq模型可以反映进出口货物量在时间维度上的变化规律，并且可以刻画天气、节假日等外部因素的影响，从而进行精准预测.Seq2Seq模型包含两个由循环神经网络（LSTM）组成的编码器和解码器，能够捕捉长短期时间范围内集装箱变化趋势，可以根据历史进出口货物量预测未来一段时间的货物量信息.在真实的天津港进出口集装箱数据集上进行了实验，结果表明Seq2Seq模型的深度学习预测方法效果优于传统的时间序列模型以及其他现有的机器学习预测模型.
2021-09-08 16:59:52
1.54MB
1
通过JAVA技术调研和需求分析,将系统的实现划分为系统框架搭建、权限管理设计与实现、业务功能设计与实现三部分。框架搭建是整个系统的基石,为开发做了前期的技术集成并提供了一些基础服务;权限管理设计与实现部分,结合管理系统的需求分析,实现时采用前后端分离技术,后台JAVA+mysql设计的,前端采用html+css+js进行设计页面,有效提高了开发效率,最后对系统进行了功能和性能两方面的测试,尽可能地模拟了线上环境中可能出现的各种情况,测试结果有效验证了系统的可行性和有效性。包括程序毕设程序源代码一份，mysql数据库一份。适用于毕业设计使用。
2021-08-22 18:07:13
13.09MB
1