共查询到19条相似文献,搜索用时 187 毫秒
1.
通过多元回归、时间序列模型以及灰色预测模型,对青岛市的近20 a对外贸易总额和吞吐量进行分析预测。充分考虑与港口货物吞吐量相关的六种因素指标,构建多元回归方程,运用Eviews软件对各因素的数据进行处理,建立ARIMA模型并对提取的三个指标进行预测,从而对回归模型中的对外贸易进出口总额(因变量)进行总预测,以了解青岛港的运输需求量;采用灰色预测模型并运用MATLAB软件对青岛港的货物吞吐量预测,分析青岛港港口的运输承载力。运用数学模型对港口吞吐量进行科学的评价和预测,能为青岛港制定中长期发展战略提供基本依据,对港口的持续发展的具有一定的现实意义。 相似文献
2.
文中根据厦门市的近几年的港口经济统计报告数据,通过灰色系统和回归分析方法来综合预测厦门港口物流的吞吐量,在预测数据基础上来制定厦门港口物流战略定位。 相似文献
3.
4.
5.
基于并联型灰色神经网络模型的港口吞吐量预测方法探讨 总被引:6,自引:4,他引:2
港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。 相似文献
6.
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
7.
8.
灰色模型因其需要的原始数据较少、精度较高等优点,能满足一般港口货物吞吐量预测的要求。但并不是所有港口货物吞吐量预测都能应用灰色模型而达到理想的预测效果,文中应用东莞市港口货物吞吐量预测的例子闸述这一观点。 相似文献
9.
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
10.
11.
基于灰理论的港口吞吐量预测研究 总被引:4,自引:0,他引:4
港口吞吐量是港口建设的重要依据,有效预测港口吞吐量,才能使港口在海洋运输业中发挥重要作用。灰理论预测可以在少量信息、不完全数据的情况下,揭示港口吞吐量的发展变化特征,是研究港口吞吐量的有效工具。本文对上海港货物吞吐量进行研究的结果表明,应用灰理论对港口吞吐量建立灰色模型GM(1,1)进行短期预测,其结果有较高的实用价值。 相似文献
12.
13.
为评估新建巴布亚新几内亚科考瑞港的建设规模,构建由回归分析模型、腹地集装箱运输需求重力模型、多目标港口模糊评价模型和基于Logit模型的港口选择模型4部分组成的综合预测方法。对巴布亚新几内亚科考瑞港的腹地集装箱运输需求进行预测;并对腹地省份在不同港口的集装箱运量进行测算,从而科学合理地预测科考瑞港的集装箱吞吐量,为实施项目的必要性提供支持。该预测方法使用较少的基础数据即可比较科学客观地预测新建港口的集装箱吞吐量,能够较好地解决在不发达国家或地区统计资料缺失、安全局势不稳定导致腹地调研困难等情况下的吞吐量预测问题,为海外港口的建设、咨询项目提供帮助。 相似文献
14.
15.
基于GRNN神经网络的长江干线港口集装箱吞吐量预测 总被引:5,自引:0,他引:5
在长江集装箱货源市场调查分析的基础上,根据长江干线集装箱发展形势,结合长江干线港口发展情况及历年数据调查,考虑影响港口吞吐量预测的复杂因素,运用GRNN神经网络的优点,构建预测模型。预测结果证明,该模型在应用中是有效的,且当样本数据短缺时,预测效果也较佳。 相似文献
16.
深入剖析广东省港口物流发展影响因素,构建灰关联模型,对其进行定量与定性分析。结果表明:集装箱吞吐量和生产总值GDP对港口物流发展起主导作用,港口固定资产投资额和海关进出口总额拉动作用明显。提出"打造集装箱竞争优势、建设技术密集型智能港、构建以港口为核心"的供应链体系的建议,以期为港口物流发展战略转型提供决策参考。 相似文献
17.
18.