买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中交第三航务工程局有限公司;上海中交水运设计研究有限公司;上海交通大学;四川邕合科技有限公司申请的专利基于强化学习与多模式融合的运泥船航行时间预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120450141B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510583604.1，技术领域涉及：G06Q10/04；该发明授权基于强化学习与多模式融合的运泥船航行时间预测方法和系统是由翟靛琨;戈恩东;周歆吴;屈斌;刘爽;方志超;胡瀚文;钱诗友;曹健;方楠设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于强化学习与多模式融合的运泥船航行时间预测方法和系统在说明书摘要公布了：本发明提供了一种基于强化学习与多模式融合的运泥船航行时间预测方法和系统，包括：采用注意力机制整合多源特征数据，并提取各特征间的关联关系，以充分描述构建包含内外部因素的综合状态空间；模型通过向量嵌入的方式表征船舶特征，通过结合先验的潮汐‑时间物理原理，推算潮汐情况并进行表征；各类数据表征结果采用自注意力机制学习相关性，最终输出向量用于描述当前环境；采用深度确定性策略梯度算法，输出航行行为，包括是否等待，最优航速与航行路径的选择。本发明综合考虑算法的易用性与理论的完备性，采用同一时间推演位置与实际位置的距离的负值作为奖励函数，确保模型能够在较长时间范围内学到稳定的航行模式。

本发明授权基于强化学习与多模式融合的运泥船航行时间预测方法和系统在权利要求书中公布了：1.一种基于强化学习与多模式融合的运泥船航行时间预测方法，其特征在于，包括： 步骤1：整合环境数据、船舶特征及航道约束条件，通过注意力机制提取多源特征间的关联关系，构建综合状态空间； 所述环境数据包括每日潮汐时间、内河河流环境特征；所述船舶特征包括船舶ID、经纬度位置；所述航道约束条件包括航行方向； 步骤2：采用深度确定性策略梯度DDPG算法，基于所述综合状态空间输出航行行为决策，包括航速选择与路径规划；所述DDPG算法通过奖励函数优化航行决策，使推演位置与实际位置的误差最小化，并采用经验回放机制提升训练稳定性； 所述步骤1包括：基于阴历日期推算每日涨潮与退潮时间，生成潮汐状态向量；将时间戳分解为月、日、周、小时四个维度，分别嵌入为向量并拼接为时间特征向量；通过向量嵌入方式表征船舶ID，生成船舶特征向量；将经纬度位置信息通过线性变换映射为位置特征向量；采用自注意力机制对潮汐状态向量、时间特征向量、船舶特征向量及位置特征向量进行融合，生成综合状态向量； 所述奖励函数定义为推演位置与实际位置的航道距离平方的负值，计算公式为： r＝-d2latt,lont,latt+1,lont+1 其中，r为奖励函数，d为距离计算函数，latt、lont为当前时刻经纬度，latt+1、lont+1为推演位置经纬度； 所述DDPG算法包括Actor网络与Critic网络： Actor网络输入综合状态向量，输出连续航速值，其中负值表示等待； Critic网络评估状态-动作对的累积奖励期望，通过最小化目标Q值与预测Q值的均方误差更新参数； 目标网络参数通过软更新方式逐步逼近主网络参数，更新公式为： 其中，τ是更新速率，和分别表示主网络和目标网络的参数； 所述Actor网络的策略梯度优化公式为： 其中，表示Critic网络Q对动作a的梯度，表示Actor网络μ对参数θ的梯度；s为某一时刻的状态向量，v为对应Actor网络的航速决策结果；E为Critic网络输出未来的累计奖励期望。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中交第三航务工程局有限公司;上海中交水运设计研究有限公司;上海交通大学;四川邕合科技有限公司，其通讯地址为：200032 上海市徐汇区平江路139号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。