江苏省主要内河港口货物吞吐量影响因素及预测

为正确预测内河港口货物吞吐量,以江苏省主要内河港口为例,从港口设施及腹地经济出发,采用主成分分析法提取影响江苏省内河港口货物吞吐量的3个因素:第二产业值、地区生产总值及社会消费品零售总额,并在此基础上建立预测模型。结果表明,模型可以较为准确地预测出江苏省主要内河港口的货物吞吐量,该模型拟合是有效的。     

组合预测模型在港口货物吞吐量预测的应用

以“估计误差的方差极小”作为最优准则,建立港口货物吞吐量的组合预测模型,并以天津港货物吞吐量预测为例,在回归分析法和3次指数平滑法预测的基础上,采用组合预测模型对天津港货物吞吐量发展进行预测;最后比较了3种预测方法各自的适用性。     

华南沿海及珠江内河水运月报(2006年8月)

华南沿海主要港口国际标准集装箱吞吐量珠江内河主要港口国际标准集装箱吞吐量珠江内河主要港口货物、旅客吞吐量华南沿海主要港口货物、旅客吞吐量华南沿海及珠江内河水运月报(2006年8月)~~     

华南沿海及珠江内河水运月报(2006年9月)

华南沿海主要港口国际标准集装箱吞吐量珠江内河主要港口国际标准集装箱吞吐量珠江内河主要港口货物、旅客吞吐量华南沿海主要港口货物、旅客吞吐量华南沿海及珠江内河水运月报(2006年9月)~~     

发展嘉兴内河港口 实施水运强市工程

根据嘉兴市委、市政府提出的“水运强市”发展战略,到2015年,嘉兴市水路运输业基本实现现代化,内河港口实现物流化,内河港口货物吞吐量达到2亿吨,内河港口集装箱吞吐量达到50万标箱,充分体现水路交通接轨大上海、融入长三角的新格局。1.发展嘉兴内河港口的优势嘉兴内河港口位于     

信息港

华南沿海及珠江内河水运月报(2003年11月)(二)珠江内河主要港口货物、旅客吞吐量华南沿海主要港口货物、旅客吞吐量华南沿海主要港口国际标准集装箱吞吐量珠江内河主要港口国际标准集装箱吞吐量货物吞吐量(万吨)其中:外贸货物吞吐量(万吨)旅客吞吐量(万人)自年初累计本月为去年     

基于BP神经网络的武汉港货物吞吐量预测

港口吞吐量是港口设施和经营管理水平的综合性反映。本文从BP神经网络原理入手,构建影响港口货物吞吐量的因素与货物吞吐量间的预测模型,并对武汉港货物吞吐量进行了预测,得到了较好的预测结果。     

2023年我国内河港口运输回顾及2024年展望

<正>2023年,全国内河港口共完成货物吞吐量38.0亿t,同比增长14.2%。展望2024年,预计内河港口货物吞吐量增速为5%左右2023年,全国内河港口共完成货物吞吐量38.0亿t,同比增长14.2%。分区域来看,黑龙江水系、长江水系、珠江水系、淮河水系及京杭运河内河港口完成的货物吞吐量均实现较快增长,分别同比增长22.9%、15.9%、13.2%、15.5%和9.6%。在内河港口货物吞吐量货类构成中居主导地位的煤炭、     

基于条件期望的港口货物吞吐量预测模型的建立与分析

为了有效预测港口货物总吞吐量的大小,利用条件数学期望提出了港口货物总吞吐量的预测模型.由于货物总吞吐量的变化与到达港口的货运船数目以及装卸设备的工作效率有密切关系,构造一个关于到达港口的货运船数目以及装卸设备的工作能力组合而成的复合变量,货物总吞吐量是这些复合变量所表示的货物装卸量的和.应用全概理论,得到货物总吞吐量的概率分布.在此基础上,将未来货物总吞吐量看作已完成吞吐量的条件期望.利用增长函数得出港口货物吞吐量的预测模型.以山东地区某港口的货物吞吐量变化规律进行了案例分析.理论分析和案例分析均表明该模型是预测港口货物总吞吐量的有效方法.     

内河港口货物吞吐量预测方法研究

在对港口货物吞吐量预测方法进行简单总结的基础上,结合某内河港口吞吐量实例,采用回归分析法、弹性系数法、二次指数平滑法等预测方法对港区货物吞吐量进行了综合预测,经与相关资料对比分析,表明其预测结果是合理的。本文提出的预测方法,可以为其它同类型港口的货物吞吐量预测提供参考。     

基于组合模型的天津港吞吐量预测

根据天津港货物吞吐量的历史数据,分别建立有关该港吞吐量的回归预测模型、Logistic生长曲线模型以及组合模型。通过比较3种模型的平均相对误差,可以证明组合模型的平均相对误差最小。运用组合模型预测港口吞吐量可以降低误差,提高预测精度。     

连云港港货物吞吐量预测研究

分别采用线性回归法和支持向量机法对连云港港货物吞吐量进行预测研究,在此基础上,提出基于前两种方法的最优线性组合预测模型。通过对3种预测方法的预测结果对比,指出组合预测法具有性能稳定且精度较高的特点。最后根据组合预测模型结果,给出连云港港2010—2015年货物吞吐量的预测数据。     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

基础沉降的组合预测法

通过对基础沉降的发生过程、特点及灰色Verhulst模型特点的分析,提出可以根据施工过程中的观测资料,运用基于BP神经网络的组合预测模型对不同时刻的基础沉降进行预测;首先分别利用灰色Verhulst模型和BP神经网络模型对基础沉降进行估算,然后利用人工神经网络中的BP神经网络对采用前2种模型所得的结果进行组合预测。计算实例表明,使用该组合预测方法所得到的预测结果比单独使用灰色Verhulst模型或BP神经网络模型所得到的预测结果的总体误差要小,因而该方法是可行的、有效的;可以运用到实际工程中。     

基于案例的新型舰船备件需求量的预测模型

分析新型舰船备件需求量的影响因素,得出相似装备的需求量,提出了相似案例与马尔柯夫链结合的新型装备备件需求量的预测模型,理论分析和实例计算表明了该模型的合理性和可行性。     

组合预测在港口吞吐量预测中的应用研究

以某港口1996—2002年吞吐量为原始数据,按照“误差平方和最小”的准则,把一元线性回归模型和GM(1,1)模型组合起来,对某港口2004—2008年的吞吐量进行了组合预测。     

组合预测在港口吞吐量预测中的应用研究

以某港口1998~2004年吞吐量为原始数据,按照“误差平方和最小”的准则,把移动平均法和GM(1,1)模型组合起来,对某港口2006~2010年的港口吞吐量进行了组合预测。     

灰色系统模型在内河港口吞吐量预测中的应用

根据淮南港吞吐量实际调查资料,选择灰色系统理论对其进行吞吐预测研究,结果表明,对不同的预测时期应采用不同的灰色系统预测模型。对于短期预测,采用GM(1,1)模型与Verhulst模型的组合模型;对于长期预测,采用Verhulst模型并用GM(1,1)模型对其残差进行修正。实例验证以上两种模型是可行性的。     

The question of safety

There are numerous possible advantages to be gained from the accurate prediction of future movements in the Baltic Freight Index (BFI). Because of the difficulties inherent in long-range forecasting, however, the potential for such predictions to provide insight into the future state of the physical dry bulk market is perhaps limited. The greater accuracy of short-term forecasts, on the other hand, facilitates the development of a forecasting model form is justified by the inevitably continuous nature of futures market speculation. Such a model is developed through the application of the Box—Jenkins approach to time series analysis and forecasting. The methodology is presented and the resulting model is evaluated on the basis of objective measures of predictive power and by comparison with alternative forecasting models. Finally, the applicability of the model to the practice of BIFFEX speculation is assessed by judging its performance within a simulated BIFFEX trading environment.     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。