.png){kind=icon}
返回
Structure-optimized deep forest model for railway port container reloading time prediction: A hybrid integer programming and Bayesian optimization approach
.png){kind=icon}
OA
AI
DOI：10.1016/j.aei.2026.104309.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 为集装箱重装时间预测中的复杂数据集设计IBDF模型
• 开发一种组合优化算法以确定最优森林学习器类型
• 提出一种BO方法以获取每种选定类型的最优森林学习器数量
• 使用中国铁路快运列车的实际数据验证IBDF模型
• 建立一个AI驱动的分析工具以提升数据驱动的决策制定
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
9.9
论文数:
4.5K
被引数:
1.7W
机构
引用论文
Research on rolling bearing fault diagnosis method based on ARMA and optimized MOMEDA.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Dense adaptive cascade forest: a self-adaptive deep ensemble for classification problemsSOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏International travel time prediction for China-Europe Express trains via interpretable deep learning models基于可解释深度学习模型的中欧班列国际旅行时间预测
PREAI
分享收藏Time series forecasting for hourly photovoltaic power using conditional generative adversarial network and Bi-LSTM基于条件生成对抗网络和bi-lstm的小时光伏功率时间序列预测ENERGY
ENERGYIF9.4
PREAI
分享收藏A multi-objective optimization-simulation approach for real time rescheduling in dense railway systems密集铁路系统实时调度的多目标优化仿真方法OAAI
OAAI分享收藏
查看更多内容