基于混合深度学习模型的集装箱吞吐量预测方法

本申请公开了一种基于混合深度学习模型的集装箱吞吐量预测方法，涉及数据预测技术领域，该方法通过采集指标数据并进行缺失值填补、异常值剔除、相关性分析、数据升频和权重分配等预处理，得到目标数据集；利用目标数据集训练由卷积神经网络、长短期记忆网络和自注意力机制模块构成的混合深度学习模型，并基于训练结果进行贝叶斯超参数优化，得到目标预测模型，使模型训练更准确可靠，能精准捕捉吞吐量变化趋势和规律；进而通过目标预测模型预测当前集装箱吞吐量。本申请中混合深度学习模型能够融合各模块优势，充分挖掘数据特征和时空依赖，从而提高了预测结果的可靠性，能够为港口运营决策提供有力依据，助力港口优化资源配置与运营管理。