基于系统动力学的交通人才分析和预测

交通行业的发展离不开大量优秀的人才.人才分析和预测是实施和制定人才资源开发战略的重要前提,是提高人才培训效益的有效途径.本文通过尝试建立交通人才系统动力学模型来研究我国交通人才的发展趋势和演化模式,以及对交通行业的影响,为科学制定人才发展规划和实施人才开发战略提供决策支持.     

培训、测评、举荐三位一体 天海人才中介走进报关、货代、物流领域

据前不久的一项报关业人才需求调查统计，目前，全国报关员持证的有10万人，实际在岗从事报关的为7万人。预测今后l～2年，全国报关业需要的持证报关员将达15万，与总需求量的差额为7万人。巨大的专业人才缺口，势必会对我国外贸进出口的报关工作产生重大的影响。以外贸进出口业务为主体衍生的众多产业，还包括货运代理、物流等行业，     

交通人才预测方法的探讨

本文论述了交通人才预测方法及其预测模型的构建，并提出了交通人才预测模型的分析与说明     

加快构建科学的人才新机制

从企业人力资源管理者的角度,结合本单位实际情况,就如何加强管理和重视人才培养提出了若干想法和建议,如何加大科研院所的人才队伍建设是主要阐述的内容,对处于金融危机影响中的科研院所的发展具有一定的积极作用.     

港口吞吐量预测的混合算法实证研究

提出一种新的港口吞吐量预测混合算法,基于天津港的历史数据进行了实证研究。首先采用主成分分析和相关分析从影响港口吞吐量的社会经济指标中甄别出显著影响因子,其次采用基于时间序列分析的三次指数平滑法获得其预估值,最后采用基于因果分析的遗传算法优化的神经网络法预测港口吞吐量。结果表明,影响因子预估中基准年的选择对预测结果影响很大,中长期预测应采用多个连续基准年的平均预估值,以平滑影响因子增长率的波动。     

高速公路工后沉降预测方法的适用性研究

利用已有实际资料对工后沉降进行合理的预测是控制工后沉降量的关键。实践表明,预测时不同的工后首次沉降速率对预测模型的选择影响较大,进而影响到预测的精度。文中针对不同的地基处理方法和工后首次沉降速率,对现有工后沉降的预测方法的适用性进行了分析研究,提出不同的沉降速率区间,采用不同的沉降预测方法,以指导工程实践。     

结合经济指标修正的GA-BP模型港口货物吞吐量预测

为有效预测港口货物吞吐量,基于遗传算法(Genetic Algorithm,GA)优化的BP神经网络模型(GA-BP模型),结合经济指标影响,对港口货物吞吐量进行预测研究。选取2012―2020年上海港货物吞吐量月度数据,运用GA-BP模型得到准预测值,通过主成分分析法对经济指标降维,得出经济综合影响指数,并对准预测结果进行修正。试验证明,考虑经济指标影响的GA-BP模型比传统时间序列模型和BP神经网络模型的预测效果更优。     

基于组合模型预测法的广州港集装箱吞吐量预测

为弥补单一模型预测方法的不足,以广州港集装箱吞吐量历史数据为依据,分析集装箱吞吐量的主要影响因素,分别采用时间序列模型、Eviews多元线性回归模型对2018―2022年广州港的集装箱吞吐量进行预测。比较组合加权方法对预测结果的预测,结果表明:组合模型预测法能够提高预测的准确性,减小预测误差。     

三峡枢纽过坝运输需求分析及其预测

通过对三峡枢纽过坝运输需求的深入分析,在不考虑三峡枢纽断面通过能力影响的理想状态下,运用数学模型法、弹性系数法和组合预测法对三峡枢纽区域过坝货运量进行了定量的预测,进而结合对三峡枢纽区域和长江流域未来经济及交通发展趋势的分析,以及三峡枢纽通过能力的影响分析,对定量预测结果进行了进一步修订,最终得出预测结果.     

专用公路交通量预测方法的研究

分析了专用公路交通量预测的影响因素,把专用公路交通量预测分为3类：A类机械变化交通量、B类园区诱增交通量及C类趋势交通量。提出了3类交通量的预测方法,并通过实例应用,验证了预测方法的可行性。     

高速公路交通量预测结果误差分析

根据我国不同地区高速公路运营交通量与预测交通量的差别,对其差异值、误差率进行比较分析,得出交通量预测结果的特点,并归纳其影响因素:交通量预测指标、社会经济因素、收费标准与出行者经济承受能力相互关系、综合运输网络变化等。并提出减少预测误差、提高预测结果可信度的改善方法。     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

事业单位人事档案工作改革之浅见

人事档案由每个员工确凿的原始档案材料构成，记述和反映员工的个人经历，德、才、能、绩、廉（洁）、信以及成长的轨迹。人事档案是考察了解员工的重要手段；是发现人才、使用人才、预测及制定人才计划不可缺少的信息源泉；是落实待遇、澄清问题的凭证；是推进干部交流，健全激励机制，强化干部宏观管理，     

基于模糊综合评判的船舶搁浅风险预测

为了提高船舶搁浅风险预测准确性,针对当前船舶搁浅风险预测方法存在一些难题,设计了基于模糊综合评判的船舶搁浅风险预测方法。首先对船舶搁浅风险预测现状进行分析,并建立船舶搁浅风险预测指标,然后采用模糊综合评判确定船舶搁浅风险预测指标权重,建立船舶搁浅风险预测模型,最后进行船舶搁浅风险预测仿真测试。结果表明,本文方法可以合理设置船舶搁浅风险预测指标的权重,可以描述每一种指标对船舶搁浅风险预测结果影响的程度,获得高精度的船舶搁浅风险预测结果,误差小于当前其他船舶搁浅风险预测方法。     

基于季节分解法的防城港港货物吞吐量预测及分析

为准确预测防城港港口货物吞吐量,为经济发展提供重要信息,依据防城港港2011―2016年的货物吞吐量数据,运用剔除了季节因素影响的时间序列分析方法建立数学模型用于预测防城港港货物吞吐量,并将预测结果与实际数据对照以验证数学模型的有效性,进而对防城港港2018―2021年的货物吞吐量进行预测,预测结果为防城港港货物吞吐量将稳步增长,根据预测结果为防城港港的发展规划提出建议。     

国际干散货海运量预测系统的研究

国际干散货海运市场会受到很多因素的影响，因此对国际干散货海运需求量的预测十分困难，传统的预测方法难以对其作出准确预测，本文提出国际干散货海运量的组合预测模型。该模型由于综合利用各种预测方法所提供的有用信息，其预测精度明显高于传统的预测方法。     

基于广义回归神经网络的船舶交通量预测模型

船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点.在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构.不同类型船舶受各类因素影响的程度不同,根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据,按船舶种类将船舶交通量分为六类,利用GRNN神经网络分别进行预测.预测结果表明GRNN神经网络具有很强的非线性拟合能力,有效解决了天津港船舶交通量预测中的小样本问题,提高了整个预测系统的精度与稳定性.     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

舰船编队电磁干扰分析中不定因素的研究

舰船编队的电磁干扰(EM I)分析预测比单舰要复杂得多,这是由于编队中各舰相对运动产生的不定因素对预测结果产生一定的影响。本文具体讨论了编队中舰舰间距离、方位和雷达天线转动等不定因素的扰动对耦合度的影响,提出了在舰船编队电磁兼容性分析预测中应采用统计分析技术。     

基于机器学习的船舶能耗智能预测方法验证分析

船舶能耗智能预测是实现船舶能效智能评估与优化决策的基础和前提。大数据、人工智能、机器学习等新兴技术促进了船舶能耗预测方法的不断发展,为分析不同基于机器学习的船舶能耗预测算法的预测精度与效果,进行了不同预测算法的实例验证分析。结合船舶油耗及其影响因素实船采集数据,通过采用不同机器学习算法对船舶能耗进行预测分析,验证了各算法的特点和优势,从而为选择合适的船舶能耗预测算法提供参考。