【技术实现步骤摘要】
本专利技术涉及货物管理，具体而言，涉及一种基于大数据的液体散货货物管理方法及系统。
技术介绍
1、随着全球贸易的快速发展，港口作为物流枢纽的重要性日益凸显。港口动态控货管理是港口运营中的核心环节，直接影响货物的流转效率、港口吞吐能力以及整体运营成本。
2、传统的港口动态控货管理方法主要依赖人工操作，经验丰富的工作人员根据设定的液体散货存量的安全值和日常运转的统计值，生成控货提醒并通知控货人员。但是，现有方法的控货提醒方式，对于各项参数、安全值的设定，依然受人为主观影响。因此，现有方法存在功能单一、数据整合能力有限、缺乏对历史数据深度分析等问题，无法提前做好库存规划和资源配置，容易造成液体散货积压或缺货现象。
技术实现思路
1、本专利技术实施例提供一种基于大数据的液体散货货物管理方法及系统，本专利技术能够深度分析历史货物管理数据，减少人为主观影响，提升控货提醒的准确性和实时性，优化库存规划和资源配置，有效避免液体散货积压或缺货现象，提高港口动态控货管理的效率和可靠性。
2、为了实现上述目的，本专利技术提供了一种基于大数据的液体散货货物管理方法，包括：
3、确定港口液体货物控货点，获取所述港口液体货物控货点的多个历史液体货物提货时间节，并获取每个历史液体货物提货时间节对应的多个历史液体货物提货信息；
4、对每个历史液体货物提货信息进行分析，并基于分析结果计算每个历史液体货物提货时间节对应的单维历史液体货物变波因子；
5、对所有
6、对所有的多维历史液体货物变波因子进行处理，基于处理结果确定多个多维历史液体货物变波系数，并根据所有的多维历史液体货物变波系数计算所述港口液体货物控货点的液体散货控货管理系数；
7、基于所述液体散货控货管理系数和预设液体散货控货管理系数之间的关系，对所述港口液体货物控货点生成控货管理提醒。
8、进一步地，在对每个历史液体货物提货信息进行分析，并基于分析结果计算每个历史液体货物提货时间节对应的单维历史液体货物变波因子时，包括：
9、确定每个历史液体货物提货信息对应的历史液体货物提货量和历史液体货物存量；
10、根据所述历史液体货物提货量和所述历史液体货物存量计算所述历史液体货物提货时间节对应的单维历史液体货物变波因子。
11、进一步地，在根据所述历史液体货物提货量和所述历史液体货物存量计算所述历史液体货物提货时间节对应的单维历史液体货物变波因子时，包括：
12、根据下式计算所述历史液体货物提货时间节对应的单维历史液体货物变波因子：
13、；
14、其中，q为历史液体货物提货时间节对应的单维历史液体货物变波因子，w为历史液体货物提货时间节对应的计算系数，取值范围为[0.1,1.9]，e为常数，r为历史液体货物提货量，r1为历史液体货物存量。
15、进一步地，在将所述历史液体货物变波因子簇分为多个因子数据片，并根据所述因子数据片计算所述历史液体货物提货时间节的多维历史液体货物变波因子时，包括：
16、计算所有单维历史液体货物变波因子的变波因子均值，根据所述变波因子均值对所述历史液体货物变波因子簇进行划分，当所述单维历史液体货物变波因子小于所述变波因子均值时，则将对应的单维历史液体货物变波因子划分至低波因子数据片；
17、根据所述低波因子数据片计算所述历史液体货物提货时间节的低波因子数据片系数；
18、；
19、其中，t1为历史液体货物提货时间节的低波因子数据片系数，y1为低波因子数据片中单维历史液体货物变波因子的数量，p为变波因子均值，au为低波因子数据片中第u个单维历史液体货物变波因子，为所有中的最小值；
20、当所述单维历史液体货物变波因子大于或等于所述变波因子均值时，则将对应的单维历史液体货物变波因子划分至高波因子数据片；
21、根据所述高波因子数据片计算所述历史液体货物提货时间节的高波因子数据片系数；
22、；
23、其中，t2为历史液体货物提货时间节的高波因子数据片系数，y2为高波因子数据片中单维历史液体货物变波因子的数量，si为高波因子数据片中第i个单维历史液体货物变波因子，为所有中的最小值；
24、将所述低波因子数据片和所述高波因子数据片上的单维历史液体货物变波因子进行随机交叉式配对，得到高低历史液体货物变波因子组，其中，每个高低历史液体货物变波因子组中包括两个单维历史液体货物变波因子；
25、根据所述高低历史液体货物变波因子组计算所述历史液体货物提货时间节的交叉高低因子系数；
26、；
27、其中，t3为历史液体货物提货时间节的交叉高低因子系数，y3为高低历史液体货物变波因子组的数量，fd为第d个高低历史液体货物变波因子组中的高单维历史液体货物变波因子，gd为第d个高低历史液体货物变波因子组中的低单维历史液体货物变波因子；
28、根据所述低波因子数据片系数、高波因子数据片系数和交叉高低因子系数计算所述历史液体货物提货时间节的多维历史液体货物变波因子。
29、进一步地，在根据所述低波因子数据片系数、高波因子数据片系数和交叉高低因子系数计算所述历史液体货物提货时间节的多维历史液体货物变波因子时，包括：
30、根据下式计算所述历史液体货物提货时间节的多维历史液体货物变波因子：
31、；
32、其中，h为历史液体货物提货时间节的多维历史液体货物变波因子，k1为第一计算系数，k2为第二计算系数，k1＞0，k2＞0。
33、进一步地，在对所有的多维历史液体货物变波因子进行处理，基于处理结果确定多个多维历史液体货物变波系数时，包括：
34、将每c个多维历史液体货物变波因子进行组合，得到多维历史液体货物变波因子集合；
35、对每个多维历史液体货物变波因子集合中的多维历史液体货物变波因子进行求和计算，得到对应的多维历史液体货物变波因子和值；
36、确定所述多维历史液体货物变波因子集合中的最大多维历史液体货物变波因子，并确定所述多维历史液体货物变波因子和值与所述最大多维历史液体货物变波因子的比值，作为所述多维历史液体货物变波因子集合的多维历史液体货物变波系数。
37、进一步地，在根据所有的多维历史液体货物变波系数计算所述港口液体货物控货点的液体散货控货管理系数时，包括：
38、随机提取第一个多维历史液体货物变波因子集合对应的第一多维历史液体货物变波因子和值和第一多维历史液体货物变波系数；
39、随机提取第二个多维历史液体货物变波因子集合对应的第二多维历史液体货物变波因本文档来自技高网...
【技术保护点】
1.一种基于大数据的液体散货货物管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的液体散货货物管理方法，其特征在于，在对每个历史液体货物提货信息进行分析，并基于分析结果计算每个历史液体货物提货时间节对应的单维历史液体货物变波因子时，包括：
3.根据权利要求2所述的基于大数据的液体散货货物管理方法，其特征在于，在根据所述历史液体货物提货量和所述历史液体货物存量计算所述历史液体货物提货时间节对应的单维历史液体货物变波因子时，包括：
4.根据权利要求1所述的基于大数据的液体散货货物管理方法，其特征在于，在将所述历史液体货物变波因子簇分为多个因子数据片，并根据所述因子数据片计算所述历史液体货物提货时间节的多维历史液体货物变波因子时，包括：
5.根据权利要求4所述的基于大数据的液体散货货物管理方法，其特征在于，在根据所述低波因子数据片系数、高波因子数据片系数和交叉高低因子系数计算所述历史液体货物提货时间节的多维历史液体货物变波因子时，包括：
6.根据权利要求1所述的基于大数据的液体散货货物管理方法，其特征在于，在对
7.根据权利要求6所述的基于大数据的液体散货货物管理方法，其特征在于，在根据所有的多维历史液体货物变波系数计算所述港口液体货物控货点的液体散货控货管理系数时，包括：
8.根据权利要求7所述的基于大数据的液体散货货物管理方法，其特征在于，在基于所有的综合待计算系数计算所述港口液体货物控货点的液体散货控货管理系数时，包括：
9.根据权利要求1所述的基于大数据的液体散货货物管理方法，其特征在于，在基于所述液体散货控货管理系数和预设液体散货控货管理系数之间的关系，对所述港口液体货物控货点生成控货管理提醒时，包括：
10.一种基于大数据的液体散货货物管理系统，应用于如权利要求1-9任一项所述的基于大数据的液体散货货物管理方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于大数据的液体散货货物管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的液体散货货物管理方法，其特征在于，在对每个历史液体货物提货信息进行分析，并基于分析结果计算每个历史液体货物提货时间节对应的单维历史液体货物变波因子时，包括：
3.根据权利要求2所述的基于大数据的液体散货货物管理方法，其特征在于，在根据所述历史液体货物提货量和所述历史液体货物存量计算所述历史液体货物提货时间节对应的单维历史液体货物变波因子时，包括：
4.根据权利要求1所述的基于大数据的液体散货货物管理方法，其特征在于，在将所述历史液体货物变波因子簇分为多个因子数据片，并根据所述因子数据片计算所述历史液体货物提货时间节的多维历史液体货物变波因子时，包括：
5.根据权利要求4所述的基于大数据的液体散货货物管理方法，其特征在于，在根据所述低波因子数据片系数、高波因子数据片系数和交叉高低因子系数计算所述历史液体货物提货时间节的多维历史液体货物变...
【专利技术属性】
技术研发人员：耿增涛，孙华斌，汤雪，刘猛，范振琳，丁世豪，路东娅，万军华，马孝冬，
申请(专利权)人：山东港口科技集团青岛有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。