本发明属于散货码头综合性能评价，具体涉及一种干散货码头自动化装卸系统全域性能评价方法。
背景技术：
1、随着港口吞吐量的迅速增加，提高港口智能化、自动化水平，是促进港口提质增效的重要途径。传统干散货码头多以人工操作为主，设备智能化、信息化与自动化程度相较于集装箱码头不高，导致生产效率低下，且易造成生产安全事故，推动传统码头融合现代信息技术、自动化设备是必然趋势。但码头的智能化与自动化改造需要投入大量人力、物力，将安装有新技术装备、系统的自动化码头与传统码头的性能进行比较，可以帮助行业和港口决策者评判技术先进性，为后续技术改进提供决策支持。而现有干散货港口评价方法主要通过主观挑选评价指标，采用层次分析法、最优最劣法、swot分析法等确定指标权重，具有评价指标不全面、指标权重不客观、评价体系不完善等特点。
2、综上，推动干散货码头的自动化改造，能有效提高码头的生产效率与作业安全性、降低作业成本及减少环境污染，对干散货码头自动化装卸系统全域性能进行科学、客观评价，可量化分析各因素对提高码头系统性能的贡献程度，从而为港口管理者提供更加客观、明确的港口性能评价与未来建设路径。
技术实现思路
1、本发明的目的在于，提供一种干散货码头自动化装卸系统全域性能评价方法，解决现有干散货港口评价方法主观挑选评价指标而具有的评价指标不全面、指标权重不客观、评价体系不完善的问题。
2、本发明所采用的技术方案如下：
3、一种干散货码头自动化装卸系统全域性能评价方法，该方法包括全域性能指标遴选、确定全域性能指标权重及基于指标权重进行全域性能评价，具体步骤如下：
4、s1：利用bicomb文献分析软件及spss统计软件生成干散货码头性能指标知识图谱，遴选关键指标，并剔除非性能指标的关键词，遴选后的关键词作为干散货码头评价的全域性能指标；
5、s2：确定全域性能指标的权重，采用swara生成各评价指标的初始权重，利用鲸鱼算法优化的随机森林模型进行指标权重修正；
6、s3：基于修正的指标权重，输入干散货码头实际指标数据，拟合全域性能评价公式，计算港口全域性能评价结果。
7、进一步的，步骤s1具体包括：
8、s11.在各文献数据库以“干散货+性能”、“dry bulk cargo+performance”或“capacity”为关键词进行主题检索，不设置筛选时间范围，并剔除不同关键词下的重复文献；
9、s12.采用notefirst格式导出检索所得文献，使用bicomb文献分析软件处理样本文献，对其中的关键词进行提取、统计和清洗，针对中文关键词的同义词、近义词现象，进行批量修改或删除，降低关键词信息冗余程度；
10、s13.统计各个关键词的出现频次，并将关键词按频次数大小排序；选取前x个关键词作为高频关键词；
11、s14.利用bicomb文献分析软件统计所选高频关键词在检索文献中出现的次数，构建x×x的共现矩阵，其中对角线上的数字表示该关键词出现总次数，非对角线数字表示行和列对应的关键词同时出现的文献篇数；
12、s15.计算各个关键词之间的相关系数，将共现矩阵转化为相似矩阵；
13、s16.将相似矩阵转换为相异矩阵，即用元素全为1的矩阵减去相似矩阵，得到共现矩阵的相异矩阵，矩阵元素越大，表明对应行与列的关键词之间的距离越小，反之关键词之间距离越大；
14、s17.利用spss统计软件对关键词进行聚类分析，将每个关键词作为单独的一类，根据相异矩阵合并最近的两类，再重新计算类之间的距离，直到关键词均被划分完成；
15、s18.利用spss统计软件进行相似度结构分析ssa，生成知识图谱，结合关键词聚类分析结果判别知识图谱中的主要知识领域，关键词共现的频次数越大，则关键词在知识图谱中间隔距离越小，关键词与中心点之间的距离表示该关键词受关注的程度，坐落于中心点附近的关键词是研究的核心，处于知识图谱边缘的关键词受关注程度最低；
16、s19.围绕场景全域评价，考虑各港口维度，结合港口实际操作情况与知识图谱进行关键指标遴选，剔除非性能指标的关键词，遴选后的关键词作为干散货码头评价的全域性能指标。
17、进一步的，文献数据库包括中国知网、web of science及springer。
18、进一步的，各港口维度包括设备能耗、作业效率、服务水平及集疏运。
19、进一步的，步骤s2具体包括：
20、s21.根据关键词知识图谱与工作经验，按照重要度将指标进行降序排列；
21、s22.取指标i排序的中位数，作为指标i的最终序号；
22、s23.逐一评估相邻指标间的相对重要性，分析各指标的相对权重值；
23、s24.计算各指标的相互影响值k，公式如下：
24、
25、其中，ki表示指标i的相互影响值，si表示指标i的相对权重值；
26、s25.计算指标i的再计算权重值，公式如下：
27、
28、其中，wi表示指标i的再计算权重值；
29、s26.对指标进行归一化处理，公式如下：
30、
31、其中，λi表示第i项指标归一化后的权重值，n表示指标数量；
32、s27.提取干散货码头操作系统btos的所有指标，构建历史经验数据集d1，d1包括根据港口历史经验得到的各项指标及指标权重；
33、s28.将swara求得的初始权重作为数据挖掘的知识经验集合d2，d2包括根据swara得到的各项指标及指标权重，结合数据集d＝d1+d2，构建rf算法的回归决策树；
34、s29.将装卸作业效率提升比例、单位吞吐量生产综合能耗下降比例、降低人工工时数及集疏运能力，映射为rf模型的已知样本标签或预测输出值，遴选的全域性能指标映射为rf模型中的特征变量，基于数据集d构建的回归决策树，采用rf算法重新计算决策树中各指标对干散货码头自动化装卸系统全域性能评价结果的影响程度，影响程度即指标权重。
35、进一步的，步骤s2还包括：
36、s210.将回归决策树的权重映射为鲸鱼位置，rf算法的性能度量函数视为鲸鱼算法的适应度函数，当鲸鱼算法达到收敛条件时，最优鲸鱼位置即为决策树的最优权重；
37、s211.将测试集输入rf模型，进行分类预测与特征重要度评判，输出各指标特征重要度，即各指标权重。
38、进一步的，步骤s3具体包括：
39、s31.提取干散货码头操作系统btos的运行指标数据，进行标准化处理，以消除数据集的量纲差异；
40、s32.将标准化后的指标数据与对应指标权重进行加权求和，计算公式如下：
41、
42、其中，r为港口全域性能评价结果，wj'为随机森林模型修正后的第j项指标权重，x′ij为第i个样本第j项指标标准化后的值，m为样本数量，n为指标数量。
43、一种干散货码头，该干散货码头采用上述中任意一项所述的干散货码头自动化装卸系统全域性能评价方法来对干散货码头自动化装卸系统进行全域性能评价。
44、一种电子设备，包括：
45、存储器，用于存储可执行计算机程序；
46、处理器，用于执行存储器中存储的可执行计算机程序时，实现上述中任意一项所述的干散货码头自动化装卸系统全域性能评价方法。
47、一种计算机可读存储介质，存储有计算机程序，用于被处理器执行时，实现上述中任意一项所述的干散货码头自动化装卸系统全域性能评价方法。
48、本发明与现有技术相比，具有以下优点及有益效果：
49、本发明考虑了如何构建更为全面、科学的干散货港口装卸系统评价指标体系，分析了设备自动化程度、港口智能管控技术等因素对港口系统综合性能提升的作用。从现有港口研究工作的重点关注方向中筛选全域性能评价指标，综合专家分析法，遴选关键指标，剔除非性能指标。利用swara方法与机器学习方法确定港口自动化装卸系统的全域性能评价指标权重，有效结合了专家成熟的权重分配经验与数学推理的客观性，增加指标权重的科学性。根据swara法计算的初始权重，利用鲸鱼算法优化的rf模型修正指标权重，拟合全域性能评价公式，进行港口性能综合评价。本发明提出的一种干散货码头自动化装卸系统全域性能评价方法是对港口综合性能评价体系的重要创新，可为港口从业者评判港口建设技术的先进性与港口建设水平提供科学依据。
1.一种干散货码头自动化装卸系统全域性能评价方法，其特征在于，该方法包括全域性能指标遴选、确定全域性能指标权重及基于指标权重进行全域性能评价，具体步骤如下：
2.根据权利要求1所述的干散货码头自动化装卸系统全域性能评价方法，其特征在于，步骤s1具体包括：
3.根据权利要求2所述的干散货码头自动化装卸系统全域性能评价方法，其特征在于，文献数据库包括中国知网、web of science及springer。
4.根据权利要求2所述的干散货码头自动化装卸系统全域性能评价方法，其特征在于，各港口维度包括设备能耗、作业效率、服务水平及集疏运。
5.根据权利要求1所述的干散货码头自动化装卸系统全域性能评价方法，其特征在于，步骤s2具体包括：
6.根据权利要求5所述的干散货码头自动化装卸系统全域性能评价方法，其特征在于，步骤s2还包括：
7.根据权利要求1所述的干散货码头自动化装卸系统全域性能评价方法，其特征在于，步骤s3具体包括：
8.一种干散货码头，其特征在于，该干散货码头采用权利要求1至7中任意一项所述的干散货码头自动化装卸系统全域性能评价方法来对干散货码头自动化装卸系统进行全域性能评价。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，用于被处理器执行时，实现权利要求1至7中任意一项所述的干散货码头自动化装卸系统全域性能评价方法。
