BriefGPT - AI 论文速递
·
深度网络与树模型的互补融合在 ETA 预测中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于概率密度的轨迹构建方法，通过预测到达时间进行验证。该方法在新加坡和澳大利亚港口间的轨迹预测误差平均约为0.106天，准确率为92.08%。
🎯
关键要点
- 提出了一种基于概率密度的轨迹构建方法。
- 通过预测到达时间（ETA）进行验证。
- ETA预测基于概率密度轨迹提取的物理和数学规律。
- 在新加坡和澳大利亚港口间的轨迹预测误差平均约为0.106天（2.544小时）。
- 该方法的标准偏差为0.549天（13.176小时）。
- 方法的准确率为92.08%，R-Squared值为0.959。
➡️
