文献

J-GLOBAL ID：202002278612744548   整理番号：20A1147069

時系列とXgboostに基づく鋼巻倉貯蔵スループット予測【JST・京大機械翻訳】

Prediction of steel coil storage throughput based on time series and Xgboost

著者 (3件)： Meng Hang (航運技術与控制工程交通部重点実験室(上海海事大学),上海,201306) ,  Huang Xixia (航運技術与控制工程交通部重点実験室(上海海事大学),上海,201306) ,  Tu Xiujian (航運技術与控制工程交通部重点実験室(上海海事大学),上海,201306)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 39  号： z2  ページ： 24-28  発行年： 2019年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 鉄鋼物流は、無水港の鉄鋼貿易レベルを評価する中核指標の一つである。時間的および極度勾配(Xgboost)に基づくスチールキャリヤー貯蔵のスループット予測方法を,水港の運転効率を改善し,そして,事前計画ライブラリ位置を割り当てて,監視するために,提示した。入力特性に連続変数と離散変数を含むハイブリッドシステムの構築時間特性に従い,スライディングウィンドウ法を用いて回帰データを構築し,離散変数をone-hot符号化で処理し,差分統合移動平均自己回帰(ARIMA)モデルとXgboostモデルを加重融合した。熱巻と冷巻の7日と4週間のスループット予測を実現した。ある無水港の2014年から2018年までの歴史販売注文、倉庫、スループットなどのデータを用いて訓練とテストを行った。実験結果は,ARIMAとXgboostの組合せモデルスコアが82.4215であり,最も高い予測精度を持ち,単一時系列モデルや機械学習モデルよりも正確であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  倉庫 ,  鉄鋼 ,  *鋼 ,  港湾 ,  *スループット ,  機械学習 ,  予測精度 ,  自己回帰和分移動平均モデル
準シソーラス用語： ARIMAモデル ,  スライディングウィンドウ ,  連続変数 ,  自己回帰 ,  時系列モデル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (7件)： 時系列 ,  鋼 ,  巻 ,  倉 ,  貯蔵 ,  スループット ,  予測