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。     

组合预测模型在上海内河港口吞吐量预测中的应用

建立时间序列和二元线性回归的组合预测模型,对上海内河港口2010年、2015年和2020年的货物吞吐量水平进行了预测。研究发现,组合预测模型相比单个预测方法具有较高的精度,能够较准确地预测上海内河港口货物吞吐量。     

基于最小二乘法和三次指数平滑法的天津港货物吞吐量预测

根据天津港货物吞吐量的统计资料,采用曲线拟合的最小二乘法和三次指数平滑法建立数学模型来预测吞吐量,并用Excel进行求解。通过模型检验得出,三次指数平滑法的精度较高,更适用于天津港货物吞吐量预测。     

组合预测技术在港口吞吐量预测中的应用研究

以某港口近15a的货物吞吐量作为原始数据，在采用回归分析法和3次指数平滑法预测今后10a港口吞吐量的基础上，以“误差绝对值之加权和最小”作为最优准则，建立组合预测模型，用单纯形表法解出加权系数，得到预测结果。     

天津港月均吞吐量达到3000万吨以上

从天津港获悉，今年前三季度全港货物吞吐量为2．72亿吨，同比增长13．2％，为历史同期最高水平；月均货物吞吐量达3000万吨以上，相当于改革开放初期全年吞吐量的3倍。预计天津港今年全港货物吞吐量将完成3．5亿吨，到2010年将突破4亿吨大关。     

天津港月均吞吐量可达到3000万吨

天津港借改革开放春风迅猛发展。数字显示，今年前三季度天津港货物吞吐量2．72亿吨，同比增长13．2％，为历史同期最高水平。月均货物吞吐量3000万吨以上，相当于改革开放初期全年吞吐量的3倍。     

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。     

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.     

信息窗——天津港货物集装箱吞吐量双创新高

天津港货物集装箱吞吐量双创新高新年伊始,天津港传来捷报。2011年天津港货物吞吐量超过4．5亿t,集装箱吞吐量完成1150万TEU,双创历史最好水平,实现“十二五”良好开局。2012年,天津港将进一步加快港口基础设施建设,实现天津港水深21m,     

改进的灰色模型在港口吞吐量预测中的应用

用提高原始数据列光滑度的方法来提高灰色预测模型(GM模型)的精度。利用函数a-xm(a>1,m>1)对原始离散数据列｛x(0)(k)｝进行变换,原始数据列变成a-[x(0)(k)]m ,很大程度上提高了预测精度。将这种方法应用于港口吞吐量的预测,结果比传统灰色预测方法精度高很多,对正确做出港口发展战略、统筹安排、正确决策以及减少损失有重大意义。     

利用回归预测技术进行港口吞吐量预测的方法研究

以某港口近15年的货物吞吐量作为原始数据,采用回归分析技术,建立回归预测模型,得到预测结果,为港口的发展战略研究提供一定的技术支持。     

港口吞吐量计量预测分析

通过应用国际航运的派生需求理论和计量经济分析方法,采用计量经济学中时间趋势、对数等变量分析手段,新设计了一个能精确预测港口吞吐量的经济计量方程。通过使用该计量方程,并引用厦门港吞吐量历年数据,采用两种不同的计量技术方法对厦门港2005～2008年的集装箱吞吐量进行预测,两种方法的预测结果差异很小。论文同时对两种预测方法获得的预测结果进行了误差分析,并计算出误差结果。     

舰船装备备件需求预测方法研究

备件需求预测是装备管理工作中非常重要的一环,它是库存管理工作的基础.精确的需求预测会对制定备件库存策略、构建库存模型产生非常重要的影响.但由于备件需求发生通常具有很强的随机性,这增加了需求分析和预测的难度.论文通过对备件需求预测方法的分析,为备件库存策略的制定提供一定的参考.     

对"利用回归预测技术进行港口吞吐量预测的方法研究"一文的商榷

对《水运工程》2004年第四期的“利用回归预测技术进行港口吞吐量预测的方法研究”一文中的回归预测模型提出了不同意见,建立了新的模型,使模型能更全面充分地说明问题,并使得到的结果更为精确,更有说服力,从而为港口的发展战略研究提供更好的技术支持。     

Forecasting wind with neural networks

Wind forecasts over a varying period of time are needed for a variety of applications in the coastal and ocean region, like planning of construction and operation-related works as well as prediction of power output from wind turbines located in coastal areas. Such forecasting is currently done by adopting complex atmospheric models or by using statistical time-series analysis. Because occurrence of wind in nature is extremely uncertain no single technique can be entirely satisfactory. This leaves scope for alternative approaches. The present work employs the technique of neural networks in order to forecast daily, weekly as well as monthly wind speeds at two coastal locations in India. Both feed forward as well as recurrent networks are used. They are trained based on past data in an auto-regressive manner using back-propagation and cascade correlation algorithms. A generally satisfactory forecasting as reflected in its higher correlation and lower deviations with actual observations is noted. The neural network forecasting is also found to be more accurate than traditional statistical time-series analysis.     

采用比例趋势分析法预测劳动力的需求量

受造船管理模式、生产场地资源等条件制约，造船企业生产计划安排不均衡的现象时有发生，由此引发的劳动力需求不均衡的现象在各个造船生产部门不同程度的存在，如何根据造船生产计划，有效地预测各生产阶段的劳动力需求，进行劳动力资源余缺调剂，一直是造船企业在努力探索的热门话题。本文试图运用数理统计的原理，借助计算机辅助工具（专业的软件），通过研究历史统计资料一实动工时的累积曲线，结合造船生产计划安排并考虑未来情况的变动，估计预测期内的累积曲线，以比例趋势法预测未来劳动力的需求量。     

港口吞吐量概率预测模型研究

为了模拟港口重叠腹地货运流向情况,并对新建港口吞吐量进行合理预测,引入了概率交通方式预测模型并对其进行改进,且在此基础上建立了负指数货运量概率预测模型。将该模型应用于徐州地区新建港区的货运量分析,预测结果表明新模型具有一定的实用性,可以为港口规划和建设规模的确定提供重要参考。     

港口货物吞吐量预测方法探讨

对常用的港口货物吞吐量预测方法进行了系统分析,并以重庆涪陵港为例,综合运用回归分析法、平均增长率法、弹性系数法、产销平衡法等定量预测方法和专家预测法等定性预测方法进行吞吐量预测,经与相关资料比较,表明其预测结果是合理的,同时本文采用的预测方法也可为其它港口的货物吞吐量预测提供参考。     

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。