港口物流预测研究:基于TEI@Ⅰ方法论

基于TEI@Ⅰ理论框架,本文提出了适用于港口物流货运复杂系统的TEI@Ⅰ的综合集成预测模型,并基于青岛港集装箱吞吐量数据,预测和分析了TEI@Ⅰ的港口物流货运量的集成预测理论框架的各部分.预测结果表明,基于TEI@Ⅰ集成预测模型的效果远远优于单独模型的预测结果,方向变化统计量(Dstat)的评价结果从66％ -77％提高到了100％,对主要决策者方向性的判断更有实际意义.其次,TEI@Ⅰ方法论中将数据“先分解后集成”的思想,引入了对数据的非线性部分的分析和预测,该方法不仅提供了分析外部冲击对具体数据序列的影响程度,影响周期的分析思路,而且将分析后的序列集成,对不同模型的预测精度有了很大的提高.     

基于改进灰色马尔科夫模型的地铁客流预测

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型,对西安地铁客流量的数据进行分析预测;然后对原始数据序列滑动平均处理,再用无偏GM(1,1)模型拟合系统的发展变化趋势,将修正后得到的模型与马尔科夫模型进行结合,提出改进的灰色马尔科夫模型预测方法。利用改进后的新模型对地铁客流的预测结果与传统的灰色马尔科夫模型进行对比。结果表明,改进后的灰色马尔科夫模型预测精度有显著提高。     

基于多重“分解—集成”策略的物流货运量预测

货运量预测是制定物流政策和决定物流基础设施布局的重要依据.针对受多因素影响的货运量预测具备较强非线性和模糊性特征,提出一种基于趋势分解和小波变换的多重"分解—集成"预测方法.利用趋势分解将货运量分解为趋势项和非趋势项,通过小波分解将非趋势项进一步分解成低频项和高频项,分别建立预测模型,选用相加集成得到货运量预测值.实证表明,"分解—集成"的预测策略将非平稳货运量分解为相对平稳的子序列组合,降低了问题复杂度,有效提高了预测性能,与传统的趋势分解预测模型和小波分解预测模型相比,多重"分解—集成"预测模型精度更高.     

基于灰色神经网络的港口集装箱吞吐量预测模型研究

为降低港口集装箱吞吐量的预测误差,提高预测精度,在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的基础上,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。     

基于小波与混沌集成的短时交通流预测

针对现有短时交通流预测模型的不足,提出了一种用于交通流短时预测的小波与混沌集成方法。首先对交通流序列进行小波分解,分别得到低频部分和高频部分,并在此基础上作进一步分析,结果表明交通流存在混沌特性。然后应用混沌理论分别建立低频部分和高频部分的预测模型,对低频部分和高频部分进行预测。最后应用小波理论对混沌模型预测的结果予以重构,实现对原始交通流序列的预测,与现有方法比较,结果表明该方法具有较高的精度和应用前景。     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于RBF神经网络的港口集装箱吞吐量动态预测

针对港口集装箱吞吐量在时序上的复杂非线性特征,用自相关分析技术分析时间序列的延迟特性,确定神经网络的输入向量维数;用差分法对数据进行预处理,去除缓变部分,并在一定程度上减少随机噪声;引入延时内部反馈,构造基于径向基函数（RBF）网络的动态预测模型,并用大连港集装箱吞吐量实际数据进行了验证．结果表明：该模型拟合精度和预测精度高,具有很好的预测能力和应用价值．     

���ڶ���“�ֽ�-����”���Ե�����������Ԥ��

货运量预测是制定物流政策和决定物流基础设施布局的重要依据。针对受多因素影响的货运量预测具备较强非线性和模糊性特征,提出一种基于趋势分解和小波变换的多重“分解—集成”预测方法。利用趋势分解将货运量分解为趋势项和非趋势项,通过小波分解将非趋势项进一步分解成低频项和高频项,分别建立预测模型,选用相加集成得到货运量预测值。实证表明,“分解—集成”的预测策略将非平稳货运量分解为相对平稳的子序列组合,降低了问题复杂度,有效提高了预测性能,与传统的趋势分解预测模型和小波分解预测模型相比,多重“分解—集成”预测模型精度更高。     

基于协整理论的短时交通流组合预测研究

交通流短时预测是智能交通系统中的一个重点问题,预测效果的好坏直接关系到控制和诱导的结果,是实现先进交通管理信息系统的关键技术之一. 本文简要介绍了协整和误差修正模型的概念,利用序列的协整性来进行交通流组合预测模型的有效性验证,并利用误差修正模型提高组合预测模型的稳定性. 我们利用北京市二环路上采集到的交通流数据进行了模型的验证. 研究结果表明,基于协整理论的交通流组合预测模型可以取得很好的预测效果.     

灰色GM(1,1)模型在区域物流规模预测中的应用

讨论了灰色预测模型以及灰色预测模型在物流规模预测中的应用．建立了基于灰色预测理论的GM(1，1)模型，叙述了运用GM(1，1)模型进行预测的详细步骤，并以山东省的物流规模预测为例进行了实际应用，最后用残差检验和后验差检验的方法对预测结果进行了检验，证明了预测结果的可信性．     

城市物流园区需求预测的系统动力学模型构建

针对目前物流需求预测中主要采用的回归分析方法和时间序列模型存在的缺陷,运用系统动力学方法研究城市物流园区规划中的需求预测问题。对物流园区系统内部要素作用机制以及与外部经济系统的相互作用机制进行分析。将物流需求预测的影响因素归纳为物流供给能力和区域经济发展两类,并探讨了这两类因素与物流需求之间的反馈。运用系统动力学的理论和方法构建了城市物流园区需求预测模型,将物流需求、物流供给能力以及区域经济发展三者的动态关系纳入其中。指出物流需求预测不仅要考虑当前的资源情况和经济水平,还要用动态的眼光进行系统分析。     

城市道路交通流短时预测及可靠性分析

为了捕捉交通流随机波动导致的交通流短时预测的不确定性,利用反映预测波动的异方差对可靠性进行量化预测;基于时间序列及其异方差理论,构建了以单整自回归滑动平均ARIMA(0,1,1)模型为均值方程的城市道路交通流短时预测的广义自回归条件异方差GARCH(1,1)模型. 通过ARCH LM检验证实,GARCH(1,1)模型能够有效捕捉并消除ARIMA(0,1,1)模型的异方差性.结果表明:基于GARCH(1,1)模型的城市快速路流量预测的MAPE值不高于10%,城市快速路及主干道速度预测的MAPE值为7.86%~10.24%;与ARIMA(0,1,1)模型预测的固定置信区间相比,在自由流交通状况下,GARCH(1,1)模型在有效预测前提下的预测置信区间更窄;在交通拥挤状况下,GARCH(1,1)模型能够通过放大预测置信区间宽度减少无效预测.      

����ģ���ֲڼ���֧��������������������Ԥ��

对区域物流量进行研究与预测有助于把握区域物流的需求,实现区域物流供需相对平衡,提高区域物流规划质量和运行效率具有重要的理论和实际意义.本文将模糊粗糙集理论引入区域物流量的预测中,建立基于模糊粗糙集与支持向量机的区域物流量预测模型,用模糊粗糙集作为前端预处理器对数据进行约简,剔除冗余信息,以实现两种算法的优势互补.针对支持向量机在处理数据时无法将数据简化的问题,提出了基于模糊粗糙集与支持向量机的区域物流量预测方法,在支持向量机对样本数据进行处理之前,利用模糊粗糙集数据挖掘的能力对原始数据样本集进行预处理.结果表明,这种预测方法具有很好的精确性和有效性.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

Optimization of Two-Stage Port Logistics Network of Dynamic Hinterland Based on Bi-level Programming Model

The regional logistics based on port and its regional economic react on each other and develop in unison. This paper studies the two-stage port logistics network, the first one is the sea routes system between any two ports, and the second one is the network of the transportation system between each port and its economic hinterland. Based on the conditions of dynamic hinterland, the study proposes a bi-level programming model with the upper objective of the total transportation cost in the regional port group and the lower objective of the economic benefits for individual port. The competitiveness of the port, the demarcation of the hinterland, and the traffic capacity are reflected dynamically in the model, which is closer to the real system. The model is transformed into a single-programming model based on the Kuhn-Tucker theory to solve the model. Numerical tests are provided to illustrate the validity of the model and algorithm. Finally, the example is solved by Matlab. The results show that the bi-level model and the algorithm are feasible.     

����˫��滮�Ķ�̬���ض����ۿ����������Ż�

以港口为节点的区域物流与其所在地区的区域经济相互影响、协调发展. 本文研究了二级港口物流网络问题,即港口之间的海上航线系统以及各个港口与其经济腹地之间的集疏运系统的二级网络. 在动态腹地条件下,构建以区域港口群总运输成本为上层优化目标,以个体港口的经济效益为下层目标的双层规划模型. 模型反映了港口竞争力、腹地划分以及运力配备的动态性,因此更接近港口实际. 为有效求解模型,利用Kuhn-Tucker理论将双层规划问题转化成单层规划模型,并且应用算例对模型和算法的有效性进行验证,最后通过Matlab对模型进行了求解. 数值结果表明,双层规划模型及求解方法具有可行性.     

基于双层规划的动态腹地二级港口物流网络优化

以港口为节点的区域物流与其所在地区的区域经济相互影响、协调发展. 本文研究了二级港口物流网络问题,即港口之间的海上航线系统以及各个港口与其经济腹地之间的集疏运系统的二级网络. 在动态腹地条件下,构建以区域港口群总运输成本为上层优化目标,以个体港口的经济效益为下层目标的双层规划模型. 模型反映了港口竞争力、腹地划分以及运力配备的动态性,因此更接近港口实际. 为有效求解模型,利用Kuhn-Tucker理论将双层规划问题转化成单层规划模型,并且应用算例对模型和算法的有效性进行验证,最后通过Matlab对模型进行了求解. 数值结果表明,双层规划模型及求解方法具有可行性.     

Online sequential extreme learning machine based multilayer perception with output self feedback for time series prediction

This study presents a time series prediction model with output self feedback which is implemented based on online sequential extreme learning machine. The output variables derived from multilayer perception can feedback to the network input layer to create a temporal relation between the current node inputs and the lagged node outputs while overcoming the limitation of memory which is a vital part for any time-series prediction application. The model can overcome the static prediction problem with most time series prediction models and can effectively cope with the dynamic properties of time series data. A linear and a nonlinear forecasting algorithms based on online extreme learning machine are proposed to implement the output feedback forecasting model. They are both recursive estimator and have two distinct phases: Predict and Update. The proposed model was tested against different kinds of time series data and the results indicate that the model outperforms the original static model without feedback.     

港口物流企业在价格战中的策略选择

价格战已成为威胁区域内港口物流企业发展的重要因素,选择何种策略应对或避免价格战的威胁已成为港口物流企业关注的焦点。运用Bertrand寡占模型,分析了建立港口物流企业联盟的效益,通过构建一系列获益矩阵对港口物流企业在价格战中的策略选择进行了研究。理论分析表明建立非价格竞争的差异化发展策略指导下的区域内港口物流企业的战略联盟,是港口物流企业应对挑战,实现良性竞争、行业可持续发展和服务区域经济协调发展的有效途径。