港口集装箱吞吐量的灰色神经网络预测模型研究

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。     

基于GA优化BP神经网络的港口集装箱吞吐量预测

为了提高港口集装箱吞吐量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型。该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值。以青岛港2012-2018年集装箱吞吐量统计数据为例,进行实例验证。结果表明,与传统的BP神经网络相比,该模型能显著地提高港口集装箱吞吐量的预测精度,用于预测港口集装箱吞吐量具有一定可行性。     

基于时间序列BP神经网络的集装箱吞吐量动态预测

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。     

基于遗传小波神经网络的港口船舶交通流量预测模型比较

对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。     

基于灰色小波神经网络的船舶交通流预测研究

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。     

基于MATLAB的组合模型在港口吞吐量预测中的应用

以某港1998-2007年集装箱吞吐量为实测数据,建立其集装箱吞吐量的灰色理论、三次指数平滑、三次多项式等预测模型,在MATLAB下,对比该港集装箱吞吐量各模型预测拟合值与实际值的差异,分析了差异产生的原因及其单一预测模型的局限性,提出了港口集装箱吞吐量组合预测法.其预测误差明显低于其它单模型.运用组合预测模型,可降低误差,提高预测精度.     

基于遗传-神经网络的沿海港口吞吐量的预测

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.     

改进的RBF神经网络在港口集装箱吞吐量预测中的应用

本文首先分析了RBF神经网络结构的基础,指出基函数中心的确定是影响网络精度的重要因素。在分析常用中心确定算法的基础上,提出了一种改进算法,给出了算法的具体实现过程。并将改进的RBF算法用于对港口集装箱吞吐量的预测评价,应用成果表明此优化神经网络用于集装箱吞吐量预测结果更加合理,精度有很大提高,有着广泛的应用前景。     

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。     

应用加速基因算法预测港口集装箱吞吐量

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。     

基于ES-Markov模型的港口集装箱季度吞吐量分析与预测

为有助于对港口规划和资源分配进行科学管理,以深圳港2012—2017年共24个季度的集装箱吞吐量数据为例,对各季度数据进行加权灰色关联分析,通过各季度吞吐量的影响度排序得出其发展规律;将三次指数平滑法与马尔科夫模型相组合,并应用于港口集装箱季度吞吐量预测中。结果表明:与传统的三次指数平滑模型、灰色预测模型相比,ES-Markov模型使相对误差降至5%以下,预测精度大幅提高,因此,该模型可很好地适应港口集装箱吞吐量季节性波动的发展变化规律。未来可将该组合模型应用于港口吞吐量预测中,为港口发展决策提供理论依据。     

南京港集装箱吞吐量预测研究

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。     

基于数据预处理GM（1，1）模型的深圳港集装箱吞吐量预测

根据深圳港历年集装箱吞吐量数据,采用原灰色模型和幂函数一指数函数对初始数据进行预处理的改进模型分别对深圳港集装箱吞吐量进行预测,经检验比较,进行数据预处理后的模型比原模型预测精度高.选用改进模型对深圳港2008-2010年集装箱吞吐量进行预测,得到未来深圳港集装箱吞吐量将继续增加、但增幅会减缓的结论.     

基于神经网络的外贸集装箱生成量预测

分析了影响外贸集装箱生成量的主要因素,利用BP神经网络技术,构建外贸集装箱生成量的预测模型,并应用浙江省数据为实例进行验证.准确预测地区的外贸集装箱生成量,引导该区域港口等集装箱运输设施合理布局.     

基于偏最小二乘法的集装箱吞吐量预测模型研究

利用偏最小二乘法(PLS)能够克服样本个数比变量维度少的特点和消除变量多重共线性的优点对港口集装箱吞吐量进行建模预测,该方法适用于历史数据较少的港口。并以黄骅港为例,通过SPSS软件对港口集装箱吞吐量进行建模预测并给出2025年集装箱吞吐量预测值。结果表明,偏最小二乘法能够有效的消除影响因素的多重共线性,具有良好的预测精度,可为今后的港口集装箱吞吐量预测提供参考。     

大连港集装箱吞吐量预测

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。     

GWO-Elman模型在港口货物吞吐量预测中的应用

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。     

基于灰色理论和BP网络的集装箱海铁联运量预测

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。     

基于组合模型的港口集装箱吞吐量预测方法

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。     

基于误差平方和极小化的多模型组合预测研究

以某港口1997-2007年集装箱吞吐量为原始数据,建立了回归分析、3次指数平滑及灰色系统方法的港口集装箱吞吐量单项预测模型。鉴于单项预测模型的局限性,以误差平方和极小化为最优化准则,进行了多模型组合预测,并辅以实例进行分析和验证,通过误差的分析表明该模型能够改善预测精度,可以作为未来港口集装箱吞吐量预测的工具。