共查询到20条相似文献,搜索用时 828 毫秒
1.
为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明:灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。 相似文献
2.
3.
基于时间序列BP神经网络的集装箱吞吐量动态预测 总被引:7,自引:0,他引:7
集装箱吞吐量预测是港口发展规划制定的依据。在MATLAB环境下,把时间序列BP神经网络应用于港口集装箱吞吐量的预测,采用逐步递归的方法进行,同时注意尽量减少训练样本的浪费(只用1个检验样本)和充分挖掘BP神经网络适合短期预测的潜力。无论是从拟合情况,还是预测值的检验和港口发展规划的实际情况来看,都有着很高的精度.可以作为集装箱吞吐量预测的一种行之有效的方法。 相似文献
4.
5.
船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。 相似文献
6.
7.
针对遗传算法(Genetic Algorithm,GA)和人工神经网络(Artificial Neural Network,ANN)的缺陷,把二者有机结合起来,提出了基于GA-BP神经网络的沿海港口吞吐量的预测模型,并将预测结果与一般BP神经网络做比较,结果表明该模型比一般BP神经网络预测模型的预测精度要高很多. 相似文献
8.
9.
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。 相似文献
10.
应用加速基因算法预测港口集装箱吞吐量 总被引:4,自引:0,他引:4
本文首先简述加速基因算法的基本思路,然后应用加速基因算法对上海港集装箱吞吐量进行预测,半与基于神经网络、灰色理论的预测成果比较。结果表明,加速基因算法直观简单,预测精度高,是解决港口集装箱吞吐量等非线性系统预测问题的有效途径。预测成果可为港口集装箱码头的规划和建设提供参考依据。 相似文献
11.
12.
港口集装箱吞吐量的合理预测对提高港口竞争力与经济效益具有决定意义。为了提高港口集装箱吞吐量预测精度,分别采用时间序列法中的三次指数平滑法、灰色GM(1,1)法和因果分析法中的多元回归分析法对集装箱吞吐量进行预测。在此基础上运用多元回归法进行吞吐量预测模型的组合分析,根据预测结果与实际吞吐量进行优化组合研究并建立预测综合模型。综合模型融合了前三种方法的优点,克服了单一预测方法的不确定性,改善预测效果,更加适合于南京港集装箱吞吐量的实际预测。 相似文献
13.
14.
15.
16.
以大连港历史数据为依据,运用指数平滑、回归分析、弹性系数法等对大连港集装箱吞吐量进行预测分析,并在原有预测方法的基础上提出一种新的组合预测模型,通过对各预测结果的比较。证明此模型在港口吞吐量预测中有较高的精度。 相似文献
17.
港口作为国内国际贸易的重要枢纽,在新时代区域经济发展中具有重要的战略地位。为提高港口货物吞吐量的预测精度,使用差分法、灰狼优化(GWO)算法和Elman神经网络模型对2010―2019年青岛港货物吞吐量进行了训练与预测。基于所收集到的时间序列数据,将其作为样本数据输入Elman神经网络模型进行训练与测试;在训练过程中,引入灰狼优化(GWO)算法来优化Elman神经网络的权重(w)和神经元阈值(b);将GWO-Elman组合模型应用于青岛港货物吞吐量预测的实证研究中。结果证明:GWO-Elman算法模型相较于传统Elman神经网络模型,在预测货物吞吐量时有着更高的收敛速度与预测精度,这为港口货物吞吐量的预测提供了一种新的计算方法。 相似文献
18.
基于灰色理论和BP网络的集装箱海铁联运量预测 总被引:1,自引:0,他引:1
海铁联运是集装箱多式联运的重要形式之一。作为一种航运企业延伸其产业链条的方式,更作为在简化的中转环节获取利润的方式,海铁联运已经成为企业目前关注的问题。基于海铁联运运量数据的小样本性、不确定性特征,建立GM(1,1)模型与BP神经网络相结合的预测模型。以厦门港为例,预测未来4年厦门港集装箱海铁联运运量。分析表明,灰色-BP网络组合模型的预测精度较高,是预测集装箱海铁联运量的一种有效的方法。 相似文献
19.
基于组合模型的港口集装箱吞吐量预测方法 总被引:1,自引:0,他引:1
以某港1990~2003年集装箱吞吐量为实测数据,建立其集装箱吞吐量的和灰色系统等预测模型。对比该港2004~2006年集装箱吞吐量各模型预测值与实际值的差异,分析了差异产生的原因及其单一预测模型的局限性,提出了基于组合预测的港口集装箱吞吐量预测法。对港港口集装箱吞吐量发展趋势进行预测,作为未来对港口岸线资源有效的开发利用,基础设施的合理规划、建设以及港口功能拓展的依据是很有必要的。 相似文献