基于图神经网络的港口航运数据关联挖掘研究.pdfVIP

基于图神经网络的港口航运数据关联挖掘研究1

基于图神经网络的港口航运数据关联挖掘研究

摘要

本研究旨在构建基于图神经网络（GNN）的港口航运数据关联挖掘系统，通过深度

学习技术解析港口航运网络中的复杂关联关系。研究采用多源异构数据融合方法，整合

船舶轨迹、港口吞吐量、货运单证等结构化与非结构化数据，构建动态港口航运知识图

谱。基于图卷积网络（GCN）、图注意力网络（GAT）等先进算法模型，实现航运网络

中的异常检测、路径优化和需求预测功能。实证研究表明，该系统较传统方法在预测精

度上提升23.6%，异常检测准确率达到91.2%。研究成果可为智慧港口建设、航运效率

提升和物流成本优化提供技术支撑，符合国家《交通强国建设纲要》和《数字航运发展

规划》的战略导向。

1引言

1.1研究背景

全球贸易90%以上的货运量通过海运完成，港口作为海陆联运的关键节点，其运

营效率直接影响全球供应链稳定性。根据国际航运协会（ICS）2022年报告，全球主要

港口年均处理集装箱超过8亿TEU，但港口拥堵造成的经济损失每年高达数百亿美元。

我国作为世界第一大港口国，2023年港口货物吞吐量达155亿吨，