CN115329434A - 预测船闸通过能力的方法 - Google Patents

预测船闸通过能力的方法 Download PDF

Info

Publication number
CN115329434A
CN115329434A CN202210991888.4A CN202210991888A CN115329434A CN 115329434 A CN115329434 A CN 115329434A CN 202210991888 A CN202210991888 A CN 202210991888A CN 115329434 A CN115329434 A CN 115329434A
Authority
CN
China
Prior art keywords
ship
lock
ships
lockage
rectangle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210991888.4A
Other languages
English (en)
Inventor
阮锦楼
向凯
亢洛宜
毛亚伟
刘鹏
张志虎
田自创
刘影
刘晓玲
陈浩
陆海
戴葳
王兵
王振江
李思玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Transportation Development Center
Henan Provincial Communication Planning and Design Institute Co Ltd
Henan Water and Power Engineering Consulting Co Ltd
Original Assignee
Henan Transportation Development Center
Henan Provincial Communication Planning and Design Institute Co Ltd
Henan Water and Power Engineering Consulting Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan Transportation Development Center, Henan Provincial Communication Planning and Design Institute Co Ltd, Henan Water and Power Engineering Consulting Co Ltd filed Critical Henan Transportation Development Center
Priority to CN202210991888.4A priority Critical patent/CN115329434A/zh
Publication of CN115329434A publication Critical patent/CN115329434A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/30—Flood prevention; Flood or storm water management, e.g. using flood barriers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Architecture (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Civil Engineering (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Structural Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Lock And Its Accessories (AREA)

Abstract

本发明公开了一种预测船闸通过能力的方法，获得预测年的货运总量、船型及船型承担的货运量比例；计算预测年各船型的总艘次；随机组合船型和船舶数量为同一过闸批次；根据船闸长宽、船舶长宽，采用二维装箱算法确定同一过闸批次内船舶的编队方式；分别计算按照编队方式完成预测年货运总量，且编队方式中各船舶的船型等于总艘次的单次闸平均载重吨位；将若干个编队方式计算额单次闸平均载重吨位中的最大值为预测年船闸通过能力。本发明的优点在于所采用的原理清晰、计算过程简单、结果准确、效率高，为船闸工程设计提供了更为精准的数据支撑。

Description

预测船闸通过能力的方法
技术领域
本发明涉及船闸工程设计领域，尤其是涉及预测船闸通过能力的方法。
背景技术
单次过闸吨位是评价船闸通过能力的重要指标。目前单次过闸吨位计算的方法常采用标准船型系数法和船队排列法。标准船型系数法是按照设计最大船型乘上一定的系数，得到一次过闸吨位。该方法中系数的确定较为随意，导致结果十分不准确。船队排列法是通过对不同船型、船队排列组合来去确定单次过闸吨位。采用船队排列法得出的单次过闸吨位较标准船型系数法的计算结果更加准确，但是其对不同船型、船队排列组合的过程中需通过过闸比例（即是指利用船队排列法计算单次过闸吨位时，根据以往数据预测得出的各船型承担货运量的比例）不断试算，较为繁琐。
发明内容
本发明目的在于提供一种预测船闸通过能力的方法，能够准确、高效的确定单次过闸吨位，为船闸工程设计提供更精准的数据支撑。
为实现上述目的，本发明采取下述技术方案：
本发明所述的预测船闸通过能力的方法，包括以下步骤：
S1，获得预测年的货运总量、船型及船型承担的货运量比例；
S2，计算预测年各船型的总艘次；
S3，随机组合船型和船舶数量为同一过闸批次；
S4，根据船闸长宽、船舶长宽，采用二维装箱算法确定同一过闸批次内船舶的编队方式；
S5，重复执行S3和S4步，获得若干个同一过闸批次内各船舶的编队方式；
S6，分别计算按照所述编队方式完成预测年货运总量，且编队方式中各船舶的船型等于总艘次的单次闸平均载重吨位；
S7，若干个所述单次闸平均载重吨位中的最大值为预测年船闸通过能力。
进一步地，S4步所述二维装箱算法具体为：
S4.1，将闸室水平投影为矩形1，以矩形1左下方顶点为原点，长度L1方向为X轴，宽度W1方向为Y轴，建立闸室坐标系；
S4.2，采集所述同一过闸批次内船舶的长度L2、宽度W2；根据最大过闸船舶的长度L2、宽度W2，计算闸室的最小可排船数量N；
S4.3，当同一过闸批次内船舶数量N1小于等于所述N时，所述同一过闸批次内船舶直接形成1个所述编队方式；
S4.4，当同一过闸批次内船舶所述数量N1大于N时，按照船舶排列顺序，提取N+1艘船舶，组成预排队列A；
S4.5，以所述闸室坐标系原点坐标为首个可排点，构建可排点队列；
S4.6，从所述预排队列A中提取1艘船舶B，水平投影为长度L2、宽度W2的矩形2；按照所述可排点队列中所述可排点顺序，将矩形2左下顶点放在可排点处，直到找到一个可排点满足矩形1完全包含矩形2，且矩形2之间无重叠；
S4.7，删除S4.6步中占用的可排点，并将矩形2其他顶点的坐标按顺序加入可排点队列；将所述船舶B放入一次闸排列组合C中；
S4.8，循环执行S4.6和S4.7，直至预排队列A为空；
S4.9，若同一过闸批次内其他船舶仍能放入矩形1，则执行S4.6和S4.7步直到同一过闸批次内没有其他船舶能放入矩形1为止；
S4.10，循环执行S4.4至S4.9步，直到同一过闸批次内船舶数量N1为0；
S4.11，将若干个一次闸所述排列组合C作为同一过闸批次内船舶的所述编队方式输出。
进一步地，S4.6步中，若所述可排点队列中所有所述可排点均无法满足矩形1完全包含矩形2，且矩形2之间无重叠，则将矩形2代表的船舶移出所述预排队列A，从预排队列A或所述同一过闸批次内所述其他船舶中选择小于所述矩形2的船舶，执行S4.6和S4.7步。
进一步地，S4.7步中，所述将矩形2其他顶点的坐标按顺序加入可排点队列，包括：获取矩形2除左下顶点外各顶点在闸室坐标系中的坐标；比较任意两坐标，将横坐标值小的放在所述可排点队列前端；若两坐标的横坐标相同，则将纵坐标值小的放在可排点队列前端。
进一步地，S5步中所述编队方式包括若干个一次闸排列组合。
进一步地，S6步中所述单次闸平均载重吨位计算方法包括：按照所述同一过闸批次内各船舶所述编队方式中每个所述一次闸排列组合中船型的载重，结合预测年各船型的所述总艘次，计算预测年每个一次闸排列组合所需的闸次、载重、闸次占编队方式中每个一次闸排列组合所需的闸次总和的比例；每个一次闸排列组合的所述比例与所述载重的乘积，再求和即为单次闸平均载重吨位。
船闸作为内河航运中最常见的通航建筑物，具有提高航道尺度，改善水流条件等功能，多数情况下船闸的通过能力决定了一条航道的运输能力，因此合理准确的确定船闸的通过能力是设计的关键内容。
本发明的优点在于所采用的原理清晰、计算过程简单、结果准确、效率高，为船闸工程设计提供了更为精准的数据支撑。
附图说明
图1是本发明所述方法的流程图。
图2是本发明所述二维装箱算法的流程图。
图3是本发明所述二维装箱算法的示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明所述的预测船闸通过能力的方法，包括以下步骤：
S1，获得预测年的货运总量、船型及船型承担的货运量比例；如表1所示：
表1：
Figure DEST_PATH_IMAGE002
其中，艘次=货运量/单艘船的载重；货运量=货运总量*承担的货运比例。
S2，计算预测年各船型的总艘次；如表1中显示的合计艘次为17120次。
S3，随机组合船型和船舶数量为同一过闸批次；例如随机将3艘1+2×1000船队、29艘1000t、15艘800t、16艘1500t、4艘70TEU、4艘50 TEU，共71艘船舶组成同一过闸批次，记为P1。随机将2艘1+2×1000船队、36艘1000t、16艘800t、18艘1500t、6艘70TEU、4艘50 TEU，共82艘船舶组成同一过闸批次，记为P2。随机将1艘1+2×1000船队、40艘1000t、14艘800t、18艘1500t、6艘70TEU、4艘50 TEU，共83艘船舶组成同一过闸批次，记为P3。
S4，根据船闸长宽、船舶长宽，采用二维装箱算法确定同一过闸批次内船舶的编队方式；各船型的长宽统计见表2所示:
表2：
Figure DEST_PATH_IMAGE004
闸室的长宽为280*34米。
如图2、图3所示，S4步所述二维装箱算法具体为：
S4.1，将闸室水平投影为矩形1，以矩形1左下方顶点为原点，长度L1方向为X轴，宽度W1方向为Y轴，建立闸室坐标系；在本实施例中闸室长宽为280*34米，水平投影为280*34米的矩形1。
S4.2，采集所述同一过闸批次内船舶的长度L2、宽度W2；根据最大过闸船舶的长度L2、宽度W2，计算闸室的最小可排船数量N；
如根据表2中列出的各船型的长和宽，可以看出1+2×1000船队的长度最大为135米，70TEU的宽度最大为12.7米，计算可得闸室的最小可排船数量N为2。
S4.3，当同一过闸批次内船舶数量N1小于等于所述N时，所述同一过闸批次内船舶直接形成1个所述编队方式；即当N1小于等于2时，该同一过闸批次的船舶即可以通过一次闸全部过闸。也就是说该同一过闸批次的船舶形成1个编队方式。
在本实施例中，同一过闸批次P1、P2、P3中的船舶数量均大于2，需按照下述方法将同一过闸批次内船舶分为若干个闸次过闸，每闸次内的船舶需进行适当的排列，确定一次闸排列组合C，以保证同一过闸批次内船舶用最少的闸次、减少开合闸的次数，全部过闸。具体如下：
S4.4，当同一过闸批次内船舶所述数量N1大于N时，按照船舶排列顺序，提取N+1艘船舶，组成预排队列A；如针对同一过闸批次P1中的船舶，根据船舶到达待闸区的先后顺序，首先取3艘1+2×1000船队形成预排队列A。
S4.5，以所述闸室坐标系原点坐标为首个可排点，构建可排点队列；即坐标（0,0）为第一个可排点。
S4.6，从所述预排队列A中提取1艘船舶B，水平投影为长度L2、宽度W2的矩形2；按照所述可排点队列中所述可排点顺序，将矩形2左下顶点放在可排点处，直到找到一个可排点满足矩形1完全包含矩形2，且矩形2之间无重叠；
从预排队列A中提取1艘1+2×1000船队B，根据表2中统计的1+2×1000船队的长宽为135*10.8米，将船队B水平投影为135*10.8米的矩形2。将矩形2的左下顶点放在坐标（0,0）的位置，然后检查矩形1是否完全包含矩形2，且矩形2之间无重叠。具体的判断公式为：
Figure DEST_PATH_IMAGE006
(1)
公式（1）用于检查矩形1是否完全包含矩形2，其中
Figure DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE010
为当前正在排列中的船舶B左下顶点放在闸室内的坐标，即当前正在排列中的船舶B所占用的可排点坐标；
Figure DEST_PATH_IMAGE012
和
Figure DEST_PATH_IMAGE014
为当前正在排列中的船舶B的长度和宽度；
Figure DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE018
为闸室的长度和宽度。当公式（1）条件全部满足，则可判定矩形1完全包含矩形2。
Figure DEST_PATH_IMAGE020
(2)
公式（2）用于检查矩形2之间无重叠。其中，
Figure DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE024
为当前正在排列中的船舶B的上一艘已排好的船舶B左下顶点放在闸室内的坐标；
Figure DEST_PATH_IMAGE026
和
Figure DEST_PATH_IMAGE028
上一艘已排好的船舶B的长度和宽度。
S4.7，删除S4.6步中占用的可排点，并将矩形2其他顶点的坐标按顺序加入可排点队列；
具体的，取矩形2除左下顶点外剩余3个顶点在闸室坐标系中的坐标；比较任意两个坐标，将横坐标值小的放在所述可排点队列前端；若两坐标的横坐标相同，则将纵坐标值小的放在可排点队列前端，依次组成可排点队列。
同时将船舶B放入一次闸排列组合C中；
若所述可排点队列中所有所述可排点均无法满足矩形1完全包含矩形2，且矩形2之间无重叠，则将矩形2代表的船舶移出所述预排队列A，从预排队列A或所述同一过闸批次，如在P1内其他船舶中选择小于矩形2代表的船舶，再次执行S4.6和S4.7步。
S4.8，循环执行S4.6和S4.7，直至预排队列A为空；
S4.9，若同一过闸批次内其他船舶仍能放入矩形1，则执行S4.6和S4.7步直到同一过闸批次内没有其他船舶能放入矩形1为止；
即当预排队列A为空时，闸室仍有空间，则从同一过闸批次P1内其他船舶中依次提取1艘船舶B，将其虚拟为矩形2，依次放入可排点队列中的可排点位置，直到找到一个可排点满足矩形1完全包含矩形2，且矩形2之间无重叠；直到同一过闸批次P1内没有其他船舶能放入矩形1为止，即说明闸室已满。此时一次闸排列组合C中的所有船舶，为该同一过闸批次P1中的一个一次闸排列组合。
S4.10，循环执行S4.4至S4.9步，直到同一过闸批次内船舶数量N1为0；即将同一过闸批次P1中的71艘船舶形成了若干个一次闸所述排列组合C组成的编队方式。
S4.11，将若干个一次闸排列组合C作为同一过闸批次内船舶的所述编队方式输出。如表3所示为同一过闸批次P1内船舶的编队方式：
表3
Figure DEST_PATH_IMAGE030
S5，重复执行S3和S4步，获得若干个同一过闸批次内各船舶的编队方式；所述编队方式包括若干个一次闸排列组合。即使用同样的方法步骤，随机组合的同一过闸批次P2共82艘船舶，同一过闸批次P3共83艘船舶均能形成相应的编队方式。如表4为所示为同一过闸批次P2内船舶的编队方式：
表4
Figure DEST_PATH_IMAGE032
如表5为所示为同一过闸批次P3内船舶的编队方式：
表5
Figure DEST_PATH_IMAGE034
S6，分别计算按照所述编队方式完成预测年货运总量，且编队方式中各船舶的船型等于总艘次的单次闸平均载重吨位；
以同一过闸批次P1内船舶的编队方式为例，说明单次闸平均载重吨位的计算过程。
首先根据表1中的该预测年货运总量，船舶类型、每种船型承担的年货运比例，每种船型的年艘次，按照P1内船舶的编队方式，计算出每个一次闸排列组合的闸次。
然后，计算每个一次闸排列组合的一次过闸载重吨位和每个一次闸排列组合的闸次数占P1内船舶的编队方式中每个一次闸排列组合所需的闸次总和的比例，接着用每个一次闸排列组合所占总闸次的比例乘以每个一次闸排列组合的一次过闸载重吨位，得到的所有数值相加即为预测年单次闸平均载重吨位。上述计算结果如表6所示：
表6
Figure DEST_PATH_IMAGE036
从表1中可知，预测年的货运总量为1700万吨，其中1+2×1000船队承担年货运总量的比例为10%，预计预测年度可能有850艘1+2×1000船队。以此类推可以计算出预测年度其他船型的艘次。
按照同一过闸批次P1的编队方式，则经过试算，可以确定一次闸排列组合“3艘1+2×1000船队+3艘1000t+3艘800t”需要283个闸次。以此类推确定出其他一次闸排列组合需要的闸次。所有一次闸排列组合所需闸次的总和为1603次，其中一次闸排列组合“3艘1+2×1000船队+3艘1000t+3艘800t”所需闸次占总闸次的283/1603=17.7%。
根据1+2×1000船队最大载重为1000t,1000t船和800t船最大载重为1000t和800t，可以计算出一次闸排列组合“3艘1+2×1000船队+3艘1000t+3艘800”的一次过闸载重吨位为11400t。11400*17.7%=2014t。所有一次闸排列组合计算之和为10619t，则单次闸平均载重吨位为10619t。
由于同一过闸批次内的船舶不同，存在多种编队方式，故可以有多个预测年单次闸平均载重吨位。
S7，若干个单次闸平均载重吨位中的最大值为预测年船闸通过能力。
根据内河航运的实际工作情况，预测年船闸通过能力并不要求非常精准，该数值主要用于设计闸室的参考，因此本发明实施例中所涉及到的计算结果采用了取整、近似等处理手段，数据并非百分百的吻合，是本领域技术人员能够接受的正常现象。

Claims (6)

1.一种预测船闸通过能力的方法，其特征在于：包括以下步骤：
S1，获得预测年的货运总量、船型及船型承担的货运量比例；
S2，计算预测年各船型的总艘次；
S3，随机组合船型和船舶数量为同一过闸批次；
S4，根据船闸长宽、船舶长宽，采用二维装箱算法确定同一过闸批次内船舶的编队方式；
S5，重复执行S3和S4步，获得若干个同一过闸批次内各船舶的编队方式；
S6，分别计算按照所述编队方式完成预测年货运总量，且编队方式中各船舶的船型等于总艘次的单次闸平均载重吨位；
S7，若干个所述单次闸平均载重吨位中的最大值为预测年船闸通过能力。
2.根据权利要求1所述的预测船闸通过能力的方法，其特征在于：S4步所述二维装箱算法具体为：
S4.1，将闸室水平投影为矩形1，以矩形1左下方顶点为原点，长度L1方向为X轴，宽度W1方向为Y轴，建立闸室坐标系；
S4.2，采集所述同一过闸批次内船舶的长度L2、宽度W2；根据最大过闸船舶的长度L2、宽度W2，计算闸室的最小可排船数量N；
S4.3，当同一过闸批次内船舶数量N1小于等于所述N时，所述同一过闸批次内船舶直接形成1个所述编队方式；
S4.4，当同一过闸批次内船舶所述数量N1大于N时，按照船舶排列顺序，提取N+1艘船舶，组成预排队列A；
S4.5，以所述闸室坐标系原点坐标为首个可排点，构建可排点队列；
S4.6，从所述预排队列A中提取1艘船舶B，水平投影为长度L2、宽度W2的矩形2；按照所述可排点队列中所述可排点顺序，将矩形2左下顶点放在可排点处，直到找到一个可排点满足矩形1完全包含矩形2，且矩形2之间无重叠；
S4.7，删除S4.6步中占用的可排点，并将矩形2其他顶点的坐标按顺序加入可排点队列；将所述船舶B放入一次闸排列组合C中；
S4.8，循环执行S4.6和S4.7，直至预排队列A为空；
S4.9，若同一过闸批次内其他船舶仍能放入矩形1，则执行S4.6和S4.7步直到同一过闸批次内没有其他船舶能放入矩形1为止；
S4.10，循环执行S4.4至S4.9步，直到同一过闸批次内船舶数量N1为0；
S4.11，将若干个一次闸所述排列组合C作为同一过闸批次内船舶的所述编队方式输出。
3.根据权利要求2所述的预测船闸通过能力的方法，其特征在于：S4.6步中，若所述可排点队列中所有所述可排点均无法满足矩形1完全包含矩形2，且矩形2之间无重叠，则将矩形2代表的船舶移出所述预排队列A，从预排队列A或所述同一过闸批次内所述其他船舶中选择小于所述矩形2的船舶，执行S4.6和S4.7步。
4.根据权利要求2所述的预测船闸通过能力的方法，其特征在于：S4.7步中，所述将矩形2其他顶点的坐标按顺序加入可排点队列，包括：获取矩形2除左下顶点外各顶点在闸室坐标系中的坐标；比较任意两坐标，将横坐标值小的放在所述可排点队列前端；若两坐标的横坐标相同，则将纵坐标值小的放在可排点队列前端。
5.根据权利要求1所述的预测船闸通过能力的方法，其特征在于：S5步中所述编队方式包括若干个一次闸排列组合。
6.根据权利要求5所述的预测船闸通过能力的方法，其特征在于：S6步中所述单次闸平均载重吨位计算方法包括：按照所述同一过闸批次内各船舶所述编队方式中每个所述一次闸排列组合中船型的载重，结合预测年各船型的所述总艘次，计算预测年每个一次闸排列组合所需的闸次、载重、闸次占编队方式中每个一次闸排列组合所需的闸次总和的比例；每个一次闸排列组合的所述比例与所述载重的乘积，再求和即为单次闸平均载重吨位。
CN202210991888.4A 2022-08-18 2022-08-18 预测船闸通过能力的方法 Pending CN115329434A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210991888.4A CN115329434A (zh) 2022-08-18 2022-08-18 预测船闸通过能力的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210991888.4A CN115329434A (zh) 2022-08-18 2022-08-18 预测船闸通过能力的方法

Publications (1)

Publication Number Publication Date
CN115329434A true CN115329434A (zh) 2022-11-11

Family

ID=83925339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210991888.4A Pending CN115329434A (zh) 2022-08-18 2022-08-18 预测船闸通过能力的方法

Country Status (1)

Country Link
CN (1) CN115329434A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313219A (zh) * 2023-11-24 2023-12-29 交通运输部天津水运工程科学研究所 适用调水工程的船闸通闸通过能力计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313219A (zh) * 2023-11-24 2023-12-29 交通运输部天津水运工程科学研究所 适用调水工程的船闸通闸通过能力计算方法
CN117313219B (zh) * 2023-11-24 2024-02-23 交通运输部天津水运工程科学研究所 适用调水工程的船闸通闸通过能力计算方法

Similar Documents

Publication Publication Date Title
Lam et al. Forecasts and reliability analysis of port cargo throughput in Hong Kong
CN115329434A (zh) 预测船闸通过能力的方法
López-Bermúdez et al. Port efficiency in Argentina from 2012 to 2017: An ally for sustained economic growth
Behar et al. Logistics and exports.
Sun A fast, free-form rubber-sheet algorithm for contiguous area cartograms
Busani Diffusive scaling limit of the Busemann process in Last Passage Percolation
Arifin et al. Development of ship allocation models using marine logistics data and its application to bulk carrier demand forecasting and basic planning support
Chen et al. Operational and disaggregate input efficiencies of international container ports: An application of stochastic frontier analysis
Park et al. Port capacity evaluation formula for general cargo
CN113112131B (zh) 一种考虑待闸区容量的船闸通过能力计算方法
Li et al. A two-phase approach for inland container ship stowage on full route on Yangtze River
Papanikolaou et al. GOALDS–goal based damaged stability: collision and grounding damages
US9965831B2 (en) Method and system for interpolating data
Chang et al. As seen on
CN114742350A (zh) 一种基于变邻域交叉熵算法的鲁棒泊位岸桥调度方法
Carral et al. Statistical methodology to determine the transit time required for Neopanamax vessels in the Panama Canal
Duchi et al. A combinatorial approach to jumping particles: the parallel TASEP
Carroll et al. Simulation of waterway transport systems
Goerlandt et al. Bayesian network model for accidental oil outflow in double hull oil product tanker collisions
Liu et al. Quantitative analysis of risk superposition of shipping traffic accidents based on traffic big data.
CN117935626B (zh) 一种尺寸自适应的低空空域使用冲突检测方法及系统
Yatracos The derivative of influence function, location breakdown point, group influence and regression residuals’ plots
Gao et al. A GPU-Based Rasterization Algorithm for Boolean Operations on Polygons
Chen et al. A method for studying the influence of different berth layout on port service level based on simulation
Dragan et al. DRAFT SPECIMEN

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination