本数据聚焦于预测在不同线路运输机电产品货物量的变化。通过“浙江双飞海铁联运数据中心”采集一段时间各个线路运输机电产品货物量数据，建立运输量预测模型，从而反映不同线路和时间节点的货运趋势。这种分析有助于本企业以及其他国际物流公司提前做出排班计划，合理规划调度货船，提升出口运输效能。此外，预测数据能为相关企业提供市场前置信息，支持其在生产组织和库存管理上做出更合理的安排。
1.数据采集：通过“浙江双飞海铁联运数据中心”，采集一段时间不同线路运输机电产品的情况数据，具体包括：采集发站、大类、起运港、目的港、产品、不同产品每个月出口箱数，并依次用x1, x2...x9表示等数据。“浙江双飞海铁联运数据中心”和本数据集归属于浙江双飞运输有限公司。2.数据预处理：对采集的数据进行清洗，去除重复记录，处理缺失值。 3.数据加工与分析：（1）计算历史运输量：对于每条线路运输的每类产品，使用SUMIFS函数对订单数量进行累加，分别计算出其过去270天、90天和30天的总需求量。（2）建立需求量预测模型：该产品名称的未来30天需求量预测值=[(过去270天总需求量÷270*a)+(过去90天的总需求量÷90*b)+(过去30天的总需求量÷30×c)]*30*k；其中，系数a=0.5，b=0.3，c=0.2，调整因子k=1.1。系数a、b、c反映数值对未来30天需求量预测的影响程度，由于算法更注重长期需求趋势的影响，因此a被赋予了最高的权重。调整因子k基于市场增长预期进行修正。
| 字段名 | 类型 | 描述 |
|---|---|---|
预测时间 |
-- | -- |
发站 |
-- | -- |
大类 |
-- | -- |
起运港 |
-- | -- |
目的港 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 预测时间 | 2024年10月1日 |
| 发站 | 永康东 |
| 大类 | 机电产品 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/846002