論文の概要: Machine Learning based System for Vessel Turnaround Time Prediction
- arxiv url: http://arxiv.org/abs/2104.14980v1
- Date: Wed, 28 Apr 2021 15:14:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 13:34:29.836910
- Title: Machine Learning based System for Vessel Turnaround Time Prediction
- Title(参考訳): 船舶ターンアラウンド時間予測のための機械学習システム
- Authors: Dejan Stepec and Tomaz Martincic and Fabrice Klein and Daniel Vladusic
and Joao Pita Costa
- Abstract要約: 本稿では,機械学習と標準ポートコールデータに基づいて容器回転時間を予測する新しいシステムを提案する。
ボルドー港で広範な評価が行われ、11年間のポートコールデータの結果を報告しています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we present a novel system for predicting vessel turnaround
time, based on machine learning and standardized port call data. We also
investigate the use of specific external maritime big data, to enhance the
accuracy of the available data and improve the performance of the developed
system. An extensive evaluation is performed in Port of Bordeaux, where we
report the results on 11 years of historical port call data and provide
verification on live, operational data from the port. The proposed automated
data-driven turnaround time prediction system is able to perform with increased
accuracy, in comparison with the current manual expert-based system in Port of
Bordeaux.
- Abstract(参考訳): 本稿では,機械学習と標準ポートコールデータに基づいて,船舶のターンアラウンド時間を予測する新しいシステムを提案する。
また, 特定海洋ビッグデータの利用について検討し, 利用可能なデータの精度を高め, 開発システムの性能向上を図る。
ボルドー港で大規模な評価が行われ,11年間の港湾コールデータの結果を報告し,港からの実運用データに対する検証を行う。
提案した自動データ駆動ターンアラウンド時間予測システムは,現在のボルドー港のマニュアルエキスパートベースシステムと比較して,精度の向上を実現している。
関連論文リスト
- Long-term prediction of El Niño-Southern Oscillation using reservoir computing with data-driven realtime filter [0.0]
帯域通過フィルタは、過去の時系列のみに依存するため、リアルタイムな運用予測に適用できる。
我々は,過去時系列のみを用いて,24ヶ月の予測地平線でエルニーニョ南部振動の多年変動を予測した。
論文 参考訳(メタデータ) (2025-01-29T17:15:22Z) - TimeRAF: Retrieval-Augmented Foundation model for Zero-shot Time Series Forecasting [59.702504386429126]
TimeRAFは検索拡張技術によるゼロショット時系列予測を強化する検索拡張予測モデルである。
TimeRAFは、エンド・ツー・エンドの学習可能なレトリバーを使用して、知識ベースから貴重な情報を抽出する。
論文 参考訳(メタデータ) (2024-12-30T09:06:47Z) - Learning When to See for Long-term Traffic Data Collection on
Power-constrained Devices [7.712009864814493]
本稿では,バッテリ駆動デバイスの観測タイミングを戦略的に決定する,新しい学習ベースのフレームワークを提案する。
スパースサンプリングされた観測結果から全データストリームを再構築し,性能損失を最小限に抑える。
RNN予測器と推定器とDRQN(Deep Recurrent Q-Network)コントローラによるPeMSデータに対する提案手法の性能評価を行った。
論文 参考訳(メタデータ) (2024-01-25T20:50:34Z) - Reroute Prediction Service [0.4999814847776097]
遅延のコストは、2019年に米国国立航空宇宙システム(NAS)に限って33億ドルと見積もられた。
我々は,リルート決定を積極的に支援することによる遅延低減を目的とした,新しいデータ分析と機械学習システムの設計と開発を行った。
このシステムは、ある航空路交通管理センターのルート変更勧告や、ある航空路交通管理センターのルート変更勧告が発行されるかどうかを予測し、関連するルートに影響を与える可能性がある。
論文 参考訳(メタデータ) (2023-10-13T10:09:12Z) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳(メタデータ) (2023-04-20T19:15:02Z) - A Benchmark dataset for predictive maintenance [0.688204255655161]
本論文は,ポルトガルのポルトにある都市部公共交通サービスによる予測保守プロジェクトの成果である鉄道データセットについて述べる。
2020年から2022年の間に収集されたデータは、オンラインの異常検出と障害予測のための機械学習手法の開発を目的としていた。
論文 参考訳(メタデータ) (2022-07-12T11:25:53Z) - Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。
近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。
本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-06-29T17:58:12Z) - Port-Hamiltonian Neural Networks with State Dependent Ports [58.720142291102135]
本手法は,数個の内力および外力を持つ単純な質量スプリングシステムと,より複雑で現実的なシステムの両方において,ストレス試験を行う。
ポート-ハミルトンニューラルネットワークは、状態依存型ポートでより大きな次元に拡張することができる。
スパースデータとノイズデータのトレーニングを改善するための対称高次積分器を提案する。
論文 参考訳(メタデータ) (2022-06-06T14:57:25Z) - Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。
我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。
最適設計と性能は場所によって異なることがわかった。
論文 参考訳(メタデータ) (2022-04-01T14:55:10Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳(メタデータ) (2021-06-14T11:42:46Z) - Vessel and Port Efficiency Metrics through Validated AIS data [0.0]
本稿では,AISデータの誤検出と修正を行う機械学習に基づくデータ駆動手法を提案する。
また,船舶運用者や港湾業者が,その事業と環境効率を数値的に表現するための指標を提案する。
論文 参考訳(メタデータ) (2021-04-30T19:51:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。