針對(duì)生產(chǎn)物流阻塞異常的問(wèn)題,提出一種基于Prophet框架的生產(chǎn)物流運(yùn)輸節(jié)點(diǎn)的阻塞預(yù)警方法.建立表征阻塞狀態(tài)的阻塞預(yù)警模型,通過(guò)預(yù)測(cè)出各運(yùn)輸路徑的流入/流出速度及累積流入/流出量以實(shí)現(xiàn)對(duì)該物流運(yùn)輸節(jié)點(diǎn)的阻塞預(yù)警.在對(duì)原始物流數(shù)據(jù)進(jìn)行預(yù)處理的基礎(chǔ)上,提出了基于Prophet框架的物流運(yùn)輸節(jié)點(diǎn)的流速度預(yù)測(cè)方法,實(shí)現(xiàn)了對(duì)運(yùn)輸路徑的流入/流出速度的有效預(yù)測(cè).實(shí)驗(yàn)結(jié)果表明,該預(yù)測(cè)方法性能優(yōu)良,比經(jīng)典的SARIMA和LSTM預(yù)測(cè)方法更適用于物流運(yùn)輸節(jié)點(diǎn)的流入/流出速度預(yù)測(cè),從而實(shí)現(xiàn)對(duì)生產(chǎn)物流阻塞異常的預(yù)警. 

【文章來(lái)源】：武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2020,44(02)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

典型的物流運(yùn)輸節(jié)點(diǎn)

式中:y(t)為時(shí)間序列在時(shí)刻t的觀測(cè)值;趨勢(shì)項(xiàng)g(t)為序列的總體變化趨勢(shì);周期項(xiàng)s(t)為季節(jié)項(xiàng),體現(xiàn)出序列的周期循環(huán)性質(zhì);節(jié)假日項(xiàng)h(t)為有規(guī)律的突發(fā)事件效應(yīng);高斯白噪聲εt具有隨機(jī)平穩(wěn)特征,已無(wú)可提取的信息.圖3 等間隔化的流速度序列

等間隔化的流速度序列

【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM神經(jīng)網(wǎng)絡(luò)的船舶異常行為檢測(cè)方法[J]. 楊帆,何正偉,何帆.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2019(05)
[2]面向數(shù)字孿生車間的三維可視化實(shí)時(shí)監(jiān)控方法[J]. 趙浩然,劉檢華,熊輝,莊存波,苗田,劉金山,王彬.  計(jì)算機(jī)集成制造系統(tǒng). 2019(06)
[3]風(fēng)電機(jī)組齒輪箱的多變量時(shí)間序列故障預(yù)警[J]. 劉帥,劉長(zhǎng)良,甄成剛.  計(jì)算機(jī)應(yīng)用. 2019(04)

碩士論文
[1]基于RFID和電子看板的裝配生產(chǎn)監(jiān)控系統(tǒng)的研究[D]. 張俊.浙江大學(xué) 2007



本文編號(hào)：3569903