CN117376444A - 一种基于智能合约的长江航运数据上链方法及*** - Google Patents
一种基于智能合约的长江航运数据上链方法及*** Download PDFInfo
- Publication number
- CN117376444A CN117376444A CN202311123784.2A CN202311123784A CN117376444A CN 117376444 A CN117376444 A CN 117376444A CN 202311123784 A CN202311123784 A CN 202311123784A CN 117376444 A CN117376444 A CN 117376444A
- Authority
- CN
- China
- Prior art keywords
- yangtze river
- shipping data
- river shipping
- data
- data set
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 60
- 238000010606 normalization Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000012800 visualization Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000013524 data verification Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000002688 persistence Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于智能合约的长江航运数据上链方法及***，该方法包括：获取长江多个航段的航运数据节点，提取每个航运数据节点的长江航运数据，形成每个航运数据节点的长江航运数据集，对每个长江航运数据集中的长江航运数据进行标准化处理，生成每个长江航运数据集中每个长江航运数据的标准化长江航运数据；设置长江航运数据综合标准化模型，根据标准化长江航运数据和标准化长江航运数据之间的关联性，计算每个长江航运数据集的综合标准化值，以完成每个长江航运数据集进行综合标准化；将航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的长江航运数据集进行传播共享。
Description
技术领域
本发明属于区块链智能合约技术领域，更具体地，涉及一种基于智能合约的长江航运数据上链方法及***。
背景技术
航运数据分享已经在行业内逐渐成为一个重要的趋势。以下是关于航运数据分享的一些常见情况：
数字化转型：航运行业正在积极进行数字化转型，将传统的纸质流程和手工操作转变为数字化***。这使得航运数据可以更容易地捕获、记录和存储，为数据分享创造了基础。
物联网(IoT)技术：物联网技术的应用让船舶、集装箱和设备等可以通过传感器实时采集和传输数据。这些数据包括船舶的位置、航行状态、货物温度等信息，为航运数据分享提供了更多维度的数据来源。
数据共享平台：出现了一些专门的平台，旨在促进航运数据的共享。这些平台可以汇集来自不同航运业务参与者的数据，例如船东、港口、货主等，实现更广泛的数据交换。
但是由于航运数据的复杂性，目前的现有技术中，并没有一种成熟的技术方案，能够将复杂的航运数据进行高效的处理。
发明内容
为解决以上技术特征，本发明提出一种基于智能合约的长江航运数据上链方法，包括：
获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
进一步的，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第j个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
进一步的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第j个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
进一步的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
进一步的，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
进一步的，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点。
本发明还提出一种基于智能合约的长江航运数据上链***，包括：
获取数据模块，用于获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
标准化模块，用于设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
上链共享模块，用于将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
进一步的，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第jj个分量，Z(Dj)为长江航运数据集D中第jj个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第jj个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
进一步的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第jj个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
进一步的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
进一步的，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
进一步的，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点。
通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。本发明通过以上技术方案，能够将多个节点的复杂的长江航运数据进行标准化，为在后区块链的上链提高效率。
附图说明
图1是本发明实施例1的流程图；
图2是本发明实施例2的***的结构图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分参数，并没有实际含义。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
实施例1
如图1所示，本发明实施例提供一种基于智能合约的长江航运数据上链方法，包括：
步骤101，获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
步骤102，设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
具体的，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第j个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
本实施例设置长江航运数据综合标准化模型，目的在于：
1.综合数据特征：通过将航运数据进行标准化和均值归一化，可以消除数据之间的尺度差异，确保每种数据都具有相似的范围和分布。有助于在后续计算中更好地综合不同类型的数据特征。
2.考虑关联性：引入关联矩阵可以捕捉不同数据类型之间的关联程度。关联矩阵中的元素反映了数据之间的相互作用程度，可以帮助理解数据之间的复杂关系。
3.考虑时间因素：引入时间因素允许模型在计算中考虑数据在不同时间段的变化。有助于捕捉季节性、周期性等时间相关的特点，进一步丰富了模型的描述能力。
4.引入权重向量：引入权重向量允许对不同数据类型之间的关注程度进行个性化设置。每个权重向量表示了一种数据对其他数据的影响程度，有助于突出某些数据的重要性。
5.考虑非线性关系：引入非线性函数和参数可以更好地捕捉数据之间的非线性关系，使得关联程度的计算更具灵活性和表达能力。
6.综合计算：公式中的各个部分综合考虑了关联度、权重、时间因素、非线性映射等，得到了更全面的标准化值。这有助于在处理航运数据时更好地理解和分析数据之间的关系。
7.技术效果和好处：公式的设计能够更准确地反映不同数据类型之间的关联性，进一步提升了数据分析的质量和准确性。通过引入更多因素和变量，更好地满足实际应用中对航运数据分析的需求，为决策提供更有价值的信息。
具体的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第jj个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
具体的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
具体的，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
具体的，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点，λ为时间衰减的调节参数，用于控制时间衰减的速率，λ值越大表示时间影响下降越快，该公式的意义在于随着时间点T与当前时间点tcurrent的距离增大，时间权重W′″time(T)逐渐减小，用于表示越早的时间点对关联程度的影响越小。
步骤103，将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
以下为本实施例的一实例，如下所示：
基于智能合约的长江航运数据上链方法可以在航运行业中提供更高的透明度、可追溯性和安全性。智能合约是一种自动执行的计算机程序，它可以在区块链上存储和执行代码逻辑。在本实例中采用以下步骤：
1.选择合适的区块链平台：选择一个适合的区块链平台，本实例使用超级账本(Hyperledger)，构建智能合约和数据存储。
2.设计智能合约：设计一个智能合约，其中，包含处理航运数据的逻辑，通过智能合约定义航运数据的结构、存储方式和操作方法。
3.数据采集和输入：将实时的长江航运数据采集***与智能合约连接。长江航运数据通过传感器、船舶设备等收集，然后由智能合约进行验证和处理。
4.数据验证与存储：在智能合约中，对于接收到的数据进行验证，确保其真实性和有效性。验证通过后，数据被存储在区块链上，以确保不可篡改和持久化。
5.数据访问控制：设计智能合约的权限控制机制，以确保只有授权的参与方能够访问和更新数据。这可以保护数据的隐私和安全性。
6.事件触发与执行：根据智能合约的逻辑，设定触发条件，使智能合约在特定事件发生时自动执行。例如，当某艘船舶到达目标港口时，智能合约可以自动更新相应的数据。
7.数据查询与可视化：通过用户界面或应用程序，允许用户查询和查看存储在区块链上的长江航运数据。使数据可视化为图表、报告等形式，使用户更易于理解。
8.审计与监控：区块链上的数据变更是可追溯的，可以随时审计和监控数据的历史变化。有助于监督数据的合法性和一致性。
9.持续改进：随着航运行业的发展，不断改进智能合约和上链方法，以适应新的需求和技术。
实施例2
如图2所示，本发明实施例还提供一种基于智能合约的长江航运数据上链***，包括：
获取数据模块，用于获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
标准化模块，用于设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
具体的，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第j个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
本实施例设置长江航运数据综合标准化模型，目的在于：
1.综合数据特征：通过将航运数据进行标准化和均值归一化，可以消除数据之间的尺度差异，确保每种数据都具有相似的范围和分布。有助于在后续计算中更好地综合不同类型的数据特征。
2.考虑关联性：引入关联矩阵可以捕捉不同数据类型之间的关联程度。关联矩阵中的元素反映了数据之间的相互作用程度，可以帮助理解数据之间的复杂关系。
3.考虑时间因素：引入时间因素允许模型在计算中考虑数据在不同时间段的变化。有助于捕捉季节性、周期性等时间相关的特点，进一步丰富了模型的描述能力。
4.引入权重向量：引入权重向量允许对不同数据类型之间的关注程度进行个性化设置。每个权重向量表示了一种数据对其他数据的影响程度，有助于突出某些数据的重要性。
5.考虑非线性关系：引入非线性函数和参数可以更好地捕捉数据之间的非线性关系，使得关联程度的计算更具灵活性和表达能力。
6.综合计算：公式中的各个部分综合考虑了关联度、权重、时间因素、非线性映射等，得到了更全面的标准化值。这有助于在处理航运数据时更好地理解和分析数据之间的关系。
7.技术效果和好处：公式的设计能够更准确地反映不同数据类型之间的关联性，进一步提升了数据分析的质量和准确性。通过引入更多因素和变量，更好地满足实际应用中对航运数据分析的需求，为决策提供更有价值的信息。
具体的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第jj个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
具体的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
具体的，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
具体的，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点，λ为时间衰减的调节参数，用于控制时间衰减的速率，λ值越大表示时间影响下降越快，该公式的意义在于随着时间点T与当前时间点tcurrent的距离增大，时间权重W″′time(T)逐渐减小，用于表示越早的时间点对关联程度的影响越小。
标准化模块，用于将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
以下为本实施例的一实例，如下所示：
基于智能合约的长江航运数据上链方法可以在航运行业中提供更高的透明度、可追溯性和安全性。智能合约是一种自动执行的计算机程序，它可以在区块链上存储和执行代码逻辑。在本实例中采用以下步骤：
1.选择合适的区块链平台：选择一个适合的区块链平台，本实例使用超级账本(Hyperledger)，构建智能合约和数据存储。
2.设计智能合约：设计一个智能合约，其中，包含处理航运数据的逻辑，通过智能合约定义航运数据的结构、存储方式和操作方法。
3.数据采集和输入：将实时的长江航运数据采集***与智能合约连接。长江航运数据通过传感器、船舶设备等收集，然后由智能合约进行验证和处理。
4.数据验证与存储：在智能合约中，对于接收到的数据进行验证，确保其真实性和有效性。验证通过后，数据被存储在区块链上，以确保不可篡改和持久化。
5.数据访问控制：设计智能合约的权限控制机制，以确保只有授权的参与方能够访问和更新数据。这可以保护数据的隐私和安全性。
6.事件触发与执行：根据智能合约的逻辑，设定触发条件，使智能合约在特定事件发生时自动执行。例如，当某艘船舶到达目标港口时，智能合约可以自动更新相应的数据。
7.数据查询与可视化：通过用户界面或应用程序，允许用户查询和查看存储在区块链上的长江航运数据。使数据可视化为图表、报告等形式，使用户更易于理解。
8.审计与监控：区块链上的数据变更是可追溯的，可以随时审计和监控数据的历史变化。有助于监督数据的合法性和一致性。
9.持续改进：随着航运行业的发展，不断改进智能合约和上链方法，以适应新的需求和技术。
实施例3
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种基于智能合约的长江航运数据上链方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：步骤101，获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
步骤102，设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
具体的，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第j个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第jj个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
本实施例设置长江航运数据综合标准化模型，目的在于：
1.综合数据特征：通过将航运数据进行标准化和均值归一化，可以消除数据之间的尺度差异，确保每种数据都具有相似的范围和分布。有助于在后续计算中更好地综合不同类型的数据特征。
2.考虑关联性：引入关联矩阵可以捕捉不同数据类型之间的关联程度。关联矩阵中的元素反映了数据之间的相互作用程度，可以帮助理解数据之间的复杂关系。
3.考虑时间因素：引入时间因素允许模型在计算中考虑数据在不同时间段的变化。有助于捕捉季节性、周期性等时间相关的特点，进一步丰富了模型的描述能力。
4.引入权重向量：引入权重向量允许对不同数据类型之间的关注程度进行个性化设置。每个权重向量表示了一种数据对其他数据的影响程度，有助于突出某些数据的重要性。
5.考虑非线性关系：引入非线性函数和参数可以更好地捕捉数据之间的非线性关系，使得关联程度的计算更具灵活性和表达能力。
6.综合计算：公式中的各个部分综合考虑了关联度、权重、时间因素、非线性映射等，得到了更全面的标准化值。这有助于在处理航运数据时更好地理解和分析数据之间的关系。
7.技术效果和好处：公式的设计能够更准确地反映不同数据类型之间的关联性，进一步提升了数据分析的质量和准确性。通过引入更多因素和变量，更好地满足实际应用中对航运数据分析的需求，为决策提供更有价值的信息。
具体的，计算长江航运数据集D中第i个长江航运数据和第jj个长江航运数据的关联度Ri，j包括：
/>
其中，W″f为特征权重的第T个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第j个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
具体的，计算长江航运数据集D中第i个长江航运数据和第jj个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
具体的，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
具体的，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点，λ为时间衰减的调节参数，用于控制时间衰减的速率，λ值越大表示时间影响下降越快，该公式的意义在于随着时间点T与当前时间点tcurrent的距离增大，时间权重W″′time(T)逐渐减小，用于表示越早的时间点对关联程度的影响越小。
步骤103，将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
以下为本实施例的一实例，如下所示：
基于智能合约的长江航运数据上链方法可以在航运行业中提供更高的透明度、可追溯性和安全性。智能合约是一种自动执行的计算机程序，它可以在区块链上存储和执行代码逻辑。在本实例中采用以下步骤：
1.选择合适的区块链平台：选择一个适合的区块链平台，本实例使用超级账本(Hyperledger)，构建智能合约和数据存储。
2.设计智能合约：设计一个智能合约，其中，包含处理航运数据的逻辑，通过智能合约定义航运数据的结构、存储方式和操作方法。
3.数据采集和输入：将实时的长江航运数据采集***与智能合约连接。长江航运数据通过传感器、船舶设备等收集，然后由智能合约进行验证和处理。
4.数据验证与存储：在智能合约中，对于接收到的数据进行验证，确保其真实性和有效性。验证通过后，数据被存储在区块链上，以确保不可篡改和持久化。
5.数据访问控制：设计智能合约的权限控制机制，以确保只有授权的参与方能够访问和更新数据。这可以保护数据的隐私和安全性。
6.事件触发与执行：根据智能合约的逻辑，设定触发条件，使智能合约在特定事件发生时自动执行。例如，当某艘船舶到达目标港口时，智能合约可以自动更新相应的数据。
7.数据查询与可视化：通过用户界面或应用程序，允许用户查询和查看存储在区块链上的长江航运数据。使数据可视化为图表、报告等形式，使用户更易于理解。
8.审计与监控：区块链上的数据变更是可追溯的，可以随时审计和监控数据的历史变化。有助于监督数据的合法性和一致性。
9.持续改进：随着航运行业的发展，不断改进智能合约和上链方法，以适应新的需求和技术。
实施例4
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行一种基于智能合约的长江航运数据上链方法。
具体的，本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。
其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种基于智能合约的长江航运数据上链方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种基于智能合约的长江航运数据上链方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储***、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输***调用存储介质存储的信息及应用程序，以执行下述步骤：步骤101，获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
步骤102，设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
具体的，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第jj个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
本实施例设置长江航运数据综合标准化模型，目的在于：
1.综合数据特征：通过将航运数据进行标准化和均值归一化，可以消除数据之间的尺度差异，确保每种数据都具有相似的范围和分布。有助于在后续计算中更好地综合不同类型的数据特征。
2.考虑关联性：引入关联矩阵可以捕捉不同数据类型之间的关联程度。关联矩阵中的元素反映了数据之间的相互作用程度，可以帮助理解数据之间的复杂关系。
3.考虑时间因素：引入时间因素允许模型在计算中考虑数据在不同时间段的变化。有助于捕捉季节性、周期性等时间相关的特点，进一步丰富了模型的描述能力。
4.引入权重向量：引入权重向量允许对不同数据类型之间的关注程度进行个性化设置。每个权重向量表示了一种数据对其他数据的影响程度，有助于突出某些数据的重要性。
5.考虑非线性关系：引入非线性函数和参数可以更好地捕捉数据之间的非线性关系，使得关联程度的计算更具灵活性和表达能力。
6.综合计算：公式中的各个部分综合考虑了关联度、权重、时间因素、非线性映射等，得到了更全面的标准化值。这有助于在处理航运数据时更好地理解和分析数据之间的关系。
7.技术效果和好处：公式的设计能够更准确地反映不同数据类型之间的关联性，进一步提升了数据分析的质量和准确性。通过引入更多因素和变量，更好地满足实际应用中对航运数据分析的需求，为决策提供更有价值的信息。
具体的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第j个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
具体的，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第jj个长江航运数据的地理信息。
具体的，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
具体的，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点，λ为时间衰减的调节参数，用于控制时间衰减的速率，λ值越大表示时间影响下降越快，该公式的意义在于随着时间点T与当前时间点tcurrent的距离增大，时间权重W″′time(T)逐渐减小，用于表示越早的时间点对关联程度的影响越小。
步骤103，将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
以下为本实施例的一实例，如下所示：
基于智能合约的长江航运数据上链方法可以在航运行业中提供更高的透明度、可追溯性和安全性。智能合约是一种自动执行的计算机程序，它可以在区块链上存储和执行代码逻辑。在本实例中采用以下步骤：
1.选择合适的区块链平台：选择一个适合的区块链平台，本实例使用超级账本(Hyperledger)，构建智能合约和数据存储。
2.设计智能合约：设计一个智能合约，其中，包含处理航运数据的逻辑，通过智能合约定义航运数据的结构、存储方式和操作方法。
3.数据采集和输入：将实时的长江航运数据采集***与智能合约连接。长江航运数据通过传感器、船舶设备等收集，然后由智能合约进行验证和处理。
4.数据验证与存储：在智能合约中，对于接收到的数据进行验证，确保其真实性和有效性。验证通过后，数据被存储在区块链上，以确保不可篡改和持久化。
5.数据访问控制：设计智能合约的权限控制机制，以确保只有授权的参与方能够访问和更新数据。这可以保护数据的隐私和安全性。
6.事件触发与执行：根据智能合约的逻辑，设定触发条件，使智能合约在特定事件发生时自动执行。例如，当某艘船舶到达目标港口时，智能合约可以自动更新相应的数据。
7.数据查询与可视化：通过用户界面或应用程序，允许用户查询和查看存储在区块链上的长江航运数据。使数据可视化为图表、报告等形式，使用户更易于理解。
8.审计与监控：区块链上的数据变更是可追溯的，可以随时审计和监控数据的历史变化。有助于监督数据的合法性和一致性。
9.持续改进：随着航运行业的发展，不断改进智能合约和上链方法，以适应新的需求和技术。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应所述理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的***实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (12)
1.一种基于智能合约的长江航运数据上链方法，其特征在于，包括：
获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
2.如权利要求1所述的一种基于智能合约的长江航运数据上链方法，其特征在于，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′i，j为第i个权重向量W′的第j个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
3.如权利要求2所述的一种基于智能合约的长江航运数据上链方法，其特征在于，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第j个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
4.如权利要求2所述的一种基于智能合约的长江航运数据上链方法，其特征在于，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
5.如权利要求4所述的一种基于智能合约的长江航运数据上链方法，其特征在于，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
6.如权利要求5所述的一种基于智能合约的长江航运数据上链方法，其特征在于，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点。
7.一种基于智能合约的长江航运数据上链***，其特征在于，包括：
获取数据模块，用于获取长江多个航段的航运数据节点，提取每个所述航运数据节点的长江航运数据，形成每个所述航运数据节点的长江航运数据集，对每个所述长江航运数据集中的所述长江航运数据进行标准化处理，生成每个所述长江航运数据集中每个所述长江航运数据的标准化长江航运数据；
标准化模块，用于设置长江航运数据综合标准化模型，根据所述标准化长江航运数据和所述标准化长江航运数据之间的关联性，计算每个所述长江航运数据集的综合标准化值，以完成每个所述长江航运数据集进行综合标准化；
上链共享模块，用于将所述航运数据节点映射到区块链中，形成多个包括所述长江航运数据集的区块链节点，并通过区块链的智能合约，将综合标准化之后的所述长江航运数据集进行传播共享。
8.如权利要求7所述的一种基于智能合约的长江航运数据上链***，其特征在于，所述长江航运数据综合标准化模型包括：
其中，U(D)为每个区块链节点的长江航运数据集D的综合标准化值，W′ij为第i个权重向量W′的第j个分量，Z(Dj)为长江航运数据集D中第j个长江航运数据的标准化值，Ri，j为长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度，γj为长江航运数据集D中第j个长江航运数据的权重，T为长江航运数据集D的采集时间，δi为采集时间对长江航运数据集D中第i个长江航运数据的影响因子，N为长江航运数据集D中长江航运数据的个数，βj为长江航运数据集D中第j个长江航运数据的正则化参数。
9.如权利要求8所述的一种基于智能合约的长江航运数据上链***，其特征在于，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，W″f为特征权重的第f个分量，Fi，f为长江航运数据集D中第i个长江航运数据的第f个特征向量，Fj，f为长江航运数据集D中第j个长江航运数据的第f个特征向量，M为特征向量的个数，λ为时间衰减的调节参数。
10.如权利要求8所述的一种基于智能合约的长江航运数据上链***，其特征在于，计算长江航运数据集D中第i个长江航运数据和第j个长江航运数据的关联度Ri，j包括：
其中，T′为时间点的数量，Wf(T)为第f个特征向量在时间点T的权重，G(Pi，Pj，T)为地理位置因素和时间因素对关联度的影响，Pi为长江航运数据集D中第i个长江航运数据的地理信息，Pj为长江航运数据集D中第j个长江航运数据的地理信息。
11.如权利要求10所述的一种基于智能合约的长江航运数据上链***，其特征在于，地理位置因素和时间因素对关联度的影响G(Pi，Pj，t)包括：
其中，σ为地理信息的标准差，W″′time(T)为时间权重。
12.如权利要求11所述的一种基于智能合约的长江航运数据上链***，其特征在于，时间权重W″′time(T)包括：
其中，tcurrent为当前时间点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311123784.2A CN117376444B (zh) | 2023-08-30 | 2023-08-30 | 一种基于智能合约的长江航运数据上链方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311123784.2A CN117376444B (zh) | 2023-08-30 | 2023-08-30 | 一种基于智能合约的长江航运数据上链方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117376444A true CN117376444A (zh) | 2024-01-09 |
| CN117376444B CN117376444B (zh) | 2024-07-02 |
Family
ID=89391821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311123784.2A Active CN117376444B (zh) | 2023-08-30 | 2023-08-30 | 一种基于智能合约的长江航运数据上链方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117376444B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705773A (zh) * | 2019-09-26 | 2020-01-17 | 郑珂威 | 一种利用区块链共识算力实现优化运算的*** |
| KR20200111303A (ko) * | 2019-03-18 | 2020-09-29 | 한승현 | 블록체인을 이용한 의료 정보 조회 시스템과 방법 및 이를 위한 컴퓨터 프로그램 |
| CN111882074A (zh) * | 2020-07-30 | 2020-11-03 | 平安科技（深圳）有限公司 | 数据预处理***、方法、计算机设备及可读存储介质 |
| WO2021139283A1 (zh) * | 2020-06-16 | 2021-07-15 | 平安科技（深圳）有限公司 | 基于深度学习技术的知识图谱问答方法、装置及设备 |
| US20220027900A1 (en) * | 2019-01-22 | 2022-01-27 | S2W Lab Inc. | Cryptocurrency transaction analysis method and system |
| CN114418666A (zh) * | 2021-12-23 | 2022-04-29 | 湖南天河国云科技有限公司 | 基于区块链的辅助电力应急物资数字化采购方法及装置 |
| WO2023005862A1 (zh) * | 2021-07-30 | 2023-02-02 | 北京锐安科技有限公司 | 数据治理装置、方法、计算机设备及存储介质 |
| US20230252462A1 (en) * | 2022-02-04 | 2023-08-10 | Coinbase, Inc. | Systems and methods for improved indexing of non-standardized, custom smart contracts |
| CN116628757A (zh) * | 2023-07-20 | 2023-08-22 | 东方空间技术(山东)有限公司 | 基于区块链的航天器供应链管理方法、设备及存储介质 |
-
2023
- 2023-08-30 CN CN202311123784.2A patent/CN117376444B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220027900A1 (en) * | 2019-01-22 | 2022-01-27 | S2W Lab Inc. | Cryptocurrency transaction analysis method and system |
| KR20200111303A (ko) * | 2019-03-18 | 2020-09-29 | 한승현 | 블록체인을 이용한 의료 정보 조회 시스템과 방법 및 이를 위한 컴퓨터 프로그램 |
| CN110705773A (zh) * | 2019-09-26 | 2020-01-17 | 郑珂威 | 一种利用区块链共识算力实现优化运算的*** |
| WO2021139283A1 (zh) * | 2020-06-16 | 2021-07-15 | 平安科技（深圳）有限公司 | 基于深度学习技术的知识图谱问答方法、装置及设备 |
| CN111882074A (zh) * | 2020-07-30 | 2020-11-03 | 平安科技（深圳）有限公司 | 数据预处理***、方法、计算机设备及可读存储介质 |
| WO2023005862A1 (zh) * | 2021-07-30 | 2023-02-02 | 北京锐安科技有限公司 | 数据治理装置、方法、计算机设备及存储介质 |
| CN114418666A (zh) * | 2021-12-23 | 2022-04-29 | 湖南天河国云科技有限公司 | 基于区块链的辅助电力应急物资数字化采购方法及装置 |
| US20230252462A1 (en) * | 2022-02-04 | 2023-08-10 | Coinbase, Inc. | Systems and methods for improved indexing of non-standardized, custom smart contracts |
| CN116628757A (zh) * | 2023-07-20 | 2023-08-22 | 东方空间技术(山东)有限公司 | 基于区块链的航天器供应链管理方法、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 李彬;魏吟娬;侯萌;祁兵;陈宋宋;冯剑;: "支撑综合能源广义需求响应的区块链技术研究", 供用电, no. 07, 5 July 2020 (2020-07-05) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117376444B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112287982A (zh) | 一种数据预测方法、装置及终端设备 | |
| CN110489630B (zh) | 资源数据的处理方法、装置、计算机设备和存储介质 | |
| CN109523117A (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
| CN110264270B (zh) | 一种行为预测方法、装置、设备和存储介质 | |
| CN110298374B (zh) | 一种基于深度学习的驾驶轨迹能耗分析方法和装置 | |
| CN110689136B (zh) | 一种深度学习模型获得方法、装置、设备及存储介质 | |
| CN112308335A (zh) | 一种基于xgboost算法的短期电价预测方法及装置 | |
| CN117376444B (zh) | 一种基于智能合约的长江航运数据上链方法及*** | |
| CN116429119B (zh) | 一种基于大数据的船舶虚假定位信息的识别方法及*** | |
| CN110297948B (zh) | 关系网络构建方法以及装置 | |
| CN116934061A (zh) | 基于区块链的碳排放管理方法、***、设备及存储介质 | |
| CN116362894A (zh) | 多目标学习方法、装置、电子设备及计算机可读存储介质 | |
| CN115189863A (zh) | 一种基于区块链网络架构电商交易信息管理*** | |
| CN112256054B (zh) | 一种无人机轨迹规划方法及装置 | |
| CN112561538B (zh) | 风险模型创制方法、装置、计算机设备及可读存储介质 | |
| CN117375855A (zh) | 一种异常检测方法、模型训练方法及相关设备 | |
| CN117349785B (zh) | 一种航运政务信息资源多源数据融合方法及*** | |
| CN117273199B (zh) | 一种航运信息动态监测及超前预报方法及*** | |
| CN114115256A (zh) | 一种基于云模型的船舶航向控制方法 | |
| CN109543081A (zh) | 船舶信号点数据处理方法、装置和计算机设备 | |
| CN117354315B (zh) | 一种大跨度地域航运数据链的共识方法及*** | |
| CN113946758B (zh) | 一种数据识别方法、装置、设备及可读存储介质 | |
| CN117541883B (zh) | 图像生成模型训练、图像生成方法、***以及电子设备 | |
| CN117350537A (zh) | 一种基于风险预测的生产安全应急指挥方法及*** | |
| CN117952431A (zh) | 一种气象数据对船闸影响度的预测方法及*** |
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 | ||
| GR01 | Patent grant |