基于AHP-PSO-RF的三峡枢纽通行船舶待闸时长预测方法

随着内河航运的发展,三峡枢纽有限的运输能力已难以满足船舶快速过闸的迫切需求,船舶长时待闸已成为常态。将三峡枢纽通航调度规则与灰色关联分析法相结合,筛选出与船舶待闸时长相关的特征数据集,设计一种融合层次分析和粒子群的改进随机森林方法(AHP-PSO-RF)。在该方法中,RF构建多棵决策树,AHP进行决策树筛选,PSO实现决策树投票优化,并利用特征数据集进行训练和测试,获得三峡枢纽船舶待闸时长的预测模型。结合梯度提升回归、极限梯度提升等理论方法,实施船舶待闸时长预测模型的性能对比实验,对预测模型进行合理性验证。最后,采用敏感性分析方法对预测模型的超参数进行稳定性验证,结果表明预测模型是可靠有效的,为三峡枢纽船舶通航调度的高效组织提供了智能预测服务。