基于VMD和隨機森林的貨運周轉量預測方法及裝置與流程

技術特征：

1.基于vmd和隨機森林的貨運周轉量預測方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述s1中的平衡優化器算法包括：

3.根據權利要求1所述的方法，其特征在于，所述s21包括：

4.根據權利要求3所述的方法，其特征在于，所述s211包括：

5.根據權利要求1所述的方法，其特征在于，所述s22包括：

6.根據權利要求1所述的方法，其特征在于，所述s3中的代價敏感學習模型包括：

7.根據權利要求6所述的方法，其特征在于，所述隨機森林模型包括：

8.根據權利要求1所述的方法，其特征在于，所述s5包括：

9.根據權利要求8所述的方法，其特征在于，所述的熵值法包括：通過數據攜帶的信息量大小，即熵值，進行權重計算；所述信息量越大，不確定性越小，所述熵值越小。

10.基于vmd和隨機森林的貨運周轉量預測裝置，其特征在于：

技術總結
本發明提供基于VMD和隨機森林的貨運周轉量預測方法及裝置，涉及貨運周轉量預測技術領域。通過利用第一改進型VMD模型將貨運周轉量數據集分解為K1個貨量數據組；利用第二改進型VMD模型將每個所述貨量數據組分解為K2個子序列；利用代價敏感學習模型優化超參數，獲得改進型隨機森林模型；利用K1×K2個所述子序列分別訓練所述改進型隨機森林模型；S5.集合K1×K2個所述子序列的訓練結果作為預測結果。為了解決貨運周轉量預測結果不夠準確的問題，本發明通過利用平衡優化器算法預測模型參數，減少計算時間；通過代價敏感學習獲取隨機森林的最優超參數組合，提高模型的性能和泛化能力；二次分解數據集并使用熵值法獲得預測結果，提高預測結果的準確性。

技術研發人員：湯梅,馬超,劉正浩
受保護的技術使用者：湯梅
技術研發日：
技術公布日：2026/4/16