基于外部干预的港口吞吐量预测

为更加准确预测港口吞吐量,以吉大港集装箱吞吐量为研究对象,构建一种灰色预测法修正干预时间序列ARIMA模型。模型以时间序列ARIMA模型分析为基础,识别干预后对干预序列采用灰色预测修正,旨在充分发挥灰色预测处理小样本的优势,提高干预模型预测精度。分析表明,在外部干预的条件下灰色修正时间序列模型预测港口集装箱吞吐量效果良好。模型预测结果为该港改扩建工程提供有力决策依据。     

基于组合模型预测法的广州港集装箱吞吐量预测

为弥补单一模型预测方法的不足,以广州港集装箱吞吐量历史数据为依据,分析集装箱吞吐量的主要影响因素,分别采用时间序列模型、Eviews多元线性回归模型对2018―2022年广州港的集装箱吞吐量进行预测。比较组合加权方法对预测结果的预测,结果表明:组合模型预测法能够提高预测的准确性,减小预测误差。     

组合优化理论的舰船装备维修费预测

单一模型难以准确对舰船装备维修费用进行建模与预测,为了提高舰船装备维修费的预测精度,设计了一种组合优化理论的舰船装备维修费预测模型。首先分别采用灰色模型和神经网络对舰船装备维修费进行预测,然后确定2种模型的舰船装备维修费预测权值,加权得到最终的舰船装备维修费预测结果,最后采用VC++6.0实现了舰船装备维修费预测仿真测试,仿真结果表明本文模型获得了较高的舰船装备维修费预测精度,相对于单一模型,本文模型的舰船装备维修费预测结果具有比较显著的优势。     

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。     

灰色线性回归模型在港口吞吐量预测中的应用

利用灰色模型和线性回归模型,分别基于最小二乘及有效度原理建立了两种灰色线性回归模型,并将其用于镇江港吞吐量预测,可得结论:基于最小二乘原理建立的灰色线性回归模型,预测精度优于单一的灰色模型和线性回归模型,其应作为镇江港吞吐量预测的最优模型;基于有效度原理建立的灰色线性回归模型预测精度尽管低于线性回归模型,但由于其本质上为组合模型,能综合多种信息,用于港口吞吐量预测时也具有一定的实用性.     

最优加权组合模型在水上交通事故预测中的应用

依据水上船舶交通事故数据,在建立GM（1,1）模型和灰色Verhulst模型的基础上,建立了水上船舶交通事故数的最优加权组合模型,并对各模型的预测精度进行了分析比较。结果表明,组合模型比单一模型有更高的预测精度。采用该组合模型是提高水上交通事故预测精度的有效方法。     

灰色模型在电力负荷预测中的应用与改进方法

为科学合理的预测电力系统负荷,采用灰色模型为基本负荷预测模型,提出多种改进负荷预测模型精度的方法,并应用于深圳市年负荷预测中,预测结果显示改进后的模型提高了预测精度。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

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。     

基于灰色马尔科夫模型的重庆市水运货运量的预测*

通过对重庆水运发展现状的研究,根据马尔科夫理论及灰色预测模型,将灰色GM模型与马尔科夫状态转移矩阵相结合,建立了预测重庆水运货运量的灰色马尔科夫模型,并通过实际预测发现,该模型的预测精度明显高于灰色预测模型的预测结果,并预测了2011—2012年重庆市水运货运量。     

基于SVM的大型集装箱船上层建筑振动预测方法

基于支持向量机,采用RBF核函数,以某集装箱船上层建筑舱室振动为训练样本,建立了集装箱船上层建筑舱室振动的非线性回归模型,对该船上层建筑部分舱室振动进行预测。通过对上层建筑振动特征的分析,构造转换系数,提高了模型的通用性,并应用此模型对另一艘集装箱船上层建筑舱室振动进行预测。预测结果表明:应用SVM非线性回归模型对大型集装箱船上层建筑舱室振动进行预测是可行的,预测效果较为理想。     

灰色GM（1，l）和Verhulst模型在吹填土地基沉降中的应用

在利用灰色GM（1,l）和Verhulst模型预测真空预压加固吹填土地基的最终沉降量时,建模序列直接影响预测结果的精度。结合某吹填土地基加固工程的沉降监测数据,探讨监测序列长度、建模序列长度对上述2种模型最终沉降量预测值及预测精度的影响,总结出不同模型预测地基最终沉降量时建模序列的选取规律。研究结果表明,上述2种模型预测地基最终沉降量的误差均小于1.0%,灰色GM（1,l）模型的适应性更好。     

港口吞吐量预测的时序残差修正Verhulst模型

灰色系统预测模型是一种进行港口吞吐量预测的有效方法。但是,当港口吞吐量按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行吞吐量预测的误差较大,预测精度不能满足实际要求。根据港口吞吐量的增长规律,通过典型实例提出了基于时序残差的港口吞吐量预测Verhulst模型,用于中长期港口吞吐量预测。应用结果表明,本模型对于那些暂时处于快速增长而从长远看按“S”型曲线增长的港口吞吐量预测具有较高的预测精度,同时保留了灰色预测方法的原有优势和特点。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

最优组合预测方法在内河港口吞吐量预测中的应用

港口吞吐量的预测是港口规划过程中最为基础也最为关键的一步,只有对港口吞吐量做出准确、稳定的预测,才能做出科学合理的港口发展规划。由于内河港吞吐量历史数据有限,文中采用GM(1,1)和Verhulst模型的最优组合模型对港口吞吐量进行预测。该组合模型充分利用GM(1,1)模型“少数据,短期预测准确”的优点,又针对GM(1,1)预测量的无限增大趋势,引入了Verhulst模型进行组合修正,进而提高预测值的准确、稳健性。     

灰色-趋势曲线组合预测模型在港口吞吐量预测中的应用

在日常工作中运用灰色理论对数据进行预测吋,往往由于实际情况的复杂性,遇到很多困难。本文结合实际情况和预测经验,提出了一种基于灰色预测理论和趋势曲线预测理论的灰色-趋势曲线组合预测模型,给出了该模型的基本思想和预测过程,并运用该模型对安徽某港口未来的吞吐量进行了预测,表明该模型在实际问题中是可以借鉴和应用的。     

基于一种改进型线性增长模型的船舶流量预测

为了提高船舶流量预测精度,综合考虑交通需求、季节、气候等因素,通过分析船舶流量历史数据,在线性增长模型基础上,构建了考虑周期性波动因素的船舶流量预测改进模型,并运用贝叶斯估计和预测方法求解模型,提出了一种新的船舶流量预测方法.实例验证表明,与传统线性增长模型预测结果比较,新模型更符合船舶流量实际情况,月流量预测结果的平均绝对误差下降了3.56%,标准差下降了3.79%.因此,将该预测方法用于船舶流量预测是有效的.     

灰色预测的拓扑选择在运量预测中的运用

运用灰色系统理论及GM模型拓朴选择,建立了相应的GM(1,1)模型,运用于运量预测,并以港口吞吐量与货物周转量的预测为例进行校验。结果表明,新息GM(1,1)模型,新陈代谢GM(1,1)模型与原始模型(全数据GM(1,1)模型)三者比较,新陈代谢GM(1,1)模型的精度最高,值得推荐在运量预测中采用。     

灰色Verhulst模型在水上交通事故预测中的应用

在分析我国水上交通事故历史数据的基础上,引入灰色Verhulst预测理论.由此建立了水上交通事故Verhulst模型,并分别利用该模型和灰色GM(1,1)模型对我国近几年水上交通事故进行了预测,发现该模型精度高,拟合度更优.该模型可用于对我国水上交通事故的预测.