浙江省船舶过闸统计与预测数据

船舶过闸的统计与预测数据在多个领域有着广泛的应用场景。在航道管理方面，这些数据用于优化船闸调度，平衡过闸需求，减少等待时间，提升航道通行效率；港口运营者依据历史与预测数据，合理安排装卸作业，确保物流顺畅，船运公司利用这些信息规划行程，选择最佳过闸时机，降低运营成本。根据原始过闸记录数据，对数据按照分组、求和等方式进行统计，得到每个时间段不同船舶过闸的数量、平均等待时间等基本统计数据，然后基于得到的统计数据，用神经网络算法预测每个船闸后续的过闸船舶数据等。
船舶数量预测：基于过闸历史数据和循环神经网络（数据输入层-数据归一化层-改进的LSTM层-GRU层-全连接层-反归一化层-结果层），构建船舶过闸数量预测模型，输入的时间序列数据每小时一条，主要包括：船舶类型、过闸船舶数量、报闸船舶数量、船舶平均等待时间、船舶平均过闸时间、航道水位等，输出参数包括船舶类型、预测过闸船舶数量、预测报闸船舶数量、预测时间、预测平均等待时间、预测平均过闸时间等。其中过闸船舶数量对应预测过闸船舶数量，报闸数量对应预测报闸船舶数量，平均等待时间对应预测平均等待时间、平均过闸时间对应预测平均过闸时间。

搜集汇总

数据集介绍

特点

该数据集包含浙江省船舶过闸的统计与预测数据，涵盖航道水位、船舶类型、过闸数量等关键指标，用于优化船闸调度和物流规划。数据规模为506条，每年更新，采用神经网络算法进行预测。