多要素及特征组合约束下的水路交通用能负荷预测数据集

多要素及特征组合约束下的水路交通用能负荷预测数据集主要面对水路交通用能负荷场景进行研究。本数据集采用调研、获取企业单位自行采集的数据、网络资料查阅等方式得到。其中，面向载运与接卸转运设备的宜昌-武汉段100个用能节点负荷总量预测数据，一部分为课题组2024年5月赴宜昌港开展了实地调研获取港口企业自行统计的数据（港区、设备数等）；另外一部分从网络上（包括官网提供的数据、人工筛选百度地图影像数据）获取港机数量、常见设备的功率信息、港口布局信息等，经过线性累计得到各个用能节点的负荷总量。该部分的预测数据是基于负荷原始数据、同期10m风力数据、50m风力数据、降水量数据等进行机器学习预测得来，首先采用VMD思想对港口负荷数据进行分解，然后进行相关性分析筛选出对港口负荷约束性较强的气象因素和时间特征因素等，将所有模态分量与筛选后的气象因素变量、时间特征因素变量作为模型特征，构建了TCN-LSTM模型，发现相较于单一LSTM模型，MAPE降低了 4.99%，MSE降低了33.38，R2提高了0.43，预测数据准确性达到较为满意的效果。

搜集汇总

背景与挑战

背景概述

该数据集专注于水路交通用能负荷预测，基于宜昌-武汉段100个节点的负荷数据，结合气象和时间等多要素约束。通过采用VMD分解和TCN-LSTM模型，实现了负荷预测，并有效提升了预测准确性。