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。     

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。     

组合预测在港口吞吐量预测中的应用研究

以某港口1996—2002年吞吐量为原始数据,按照“误差平方和最小”的准则,把一元线性回归模型和GM(1,1)模型组合起来,对某港口2004—2008年的吞吐量进行了组合预测。     

基于NeuralProphet-LSTM组合模型的港口货物吞吐量预测

为进一步提高货物吞吐量预测准确性,提出基于NeuralProphet时间序列模型与长短期记忆(LSTM)神经网络的组合预测模型。首先利用NeuralProphet模型对港口货物吞吐量数据进行训练得到预测值并计算残差序列,然后对残差数据建立LSTM神经网络模型进行预报修正,重构得到最终的预测值。以上海港、厦门港的月度货物吞吐量数据为样本展开试验,结果表明,该模型能够有效地解决数据异常波动造成的预测结果误差大、预测效果不稳定等问题;相比于传统单一模型与LSTM-支持向量机(SVM)、Bi-LSTM等组合模型,NeuralProphet-LSTM模型预测精度更高,可帮助港航企业及时调整规划决策与经营策略。     

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。     

组合预测在港口吞吐量预测中的应用研究

以某港口1998~2004年吞吐量为原始数据,按照“误差平方和最小”的准则,把移动平均法和GM(1,1)模型组合起来,对某港口2006~2010年的港口吞吐量进行了组合预测。     

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。     

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。     

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。     

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.     

连云港港货物吞吐量预测研究

分别采用线性回归法和支持向量机法对连云港港货物吞吐量进行预测研究,在此基础上,提出基于前两种方法的最优线性组合预测模型。通过对3种预测方法的预测结果对比,指出组合预测法具有性能稳定且精度较高的特点。最后根据组合预测模型结果,给出连云港港2010—2015年货物吞吐量的预测数据。     

组合预测模型在上海内河港口吞吐量预测中的应用

建立时间序列和二元线性回归的组合预测模型,对上海内河港口2010年、2015年和2020年的货物吞吐量水平进行了预测。研究发现,组合预测模型相比单个预测方法具有较高的精度,能够较准确地预测上海内河港口货物吞吐量。     

基于条件期望的港口货物吞吐量预测模型的建立与分析

为了有效预测港口货物总吞吐量的大小,利用条件数学期望提出了港口货物总吞吐量的预测模型.由于货物总吞吐量的变化与到达港口的货运船数目以及装卸设备的工作效率有密切关系,构造一个关于到达港口的货运船数目以及装卸设备的工作能力组合而成的复合变量,货物总吞吐量是这些复合变量所表示的货物装卸量的和.应用全概理论,得到货物总吞吐量的概率分布.在此基础上,将未来货物总吞吐量看作已完成吞吐量的条件期望.利用增长函数得出港口货物吞吐量的预测模型.以山东地区某港口的货物吞吐量变化规律进行了案例分析.理论分析和案例分析均表明该模型是预测港口货物总吞吐量的有效方法.     

秦皇岛港航道通过能力仿真研究

采用工程仿真软件SIMIO分别对秦皇岛港10万吨级航道及规划的20万吨级航道的通过能力进行模拟。首先用2014年秦皇岛港泊位和航道设施及到港船舶数据对模型进行验证,得到的年到港船舶数及航道货运量与实际统计结果基本相符;结合仿真结果,对两航道的货运量、船舶平均待泊时间AWT以及港口服务水平随船舶平均到港时间间隔的变化趋势进行分析;讨论了航道及泊位利用率随港口服务水平的变化;针对10万吨级航道,对比了仿真与航道利用率法的年通过能力结果,并指出确定航道通过能力时考虑港口服务水平及港内作业各环节相互关联性的必要性。     

Research on probability distribution of port cargo throughput

In order to more accurately examine developing trends in gross cargo throughput, we have modeled the probability distribution of cargo throughput. Gross cargo throughput is determined by the time spent by cargo ships in the port and the operating efficiency of handling equipment. Gross cargo throughput is the sum of all compound variables determining each aspect of cargo throughput for every cargo ship arriving at the port. Probability distribution was determined using the Wald equation. The results show that the variability of gross cargo throughput primarily depends on the different times required by different cargo ships arriving at the port. This model overcomes the shortcoming of previous models： inability to accurately determine the probability of a specific value of future gross cargo throughput. Our proposed model of cargo throughput depends on the relationship between time required by a cargo ship arriving at the port and the operational capacity of handling equipment at the port. At the same time, key factors affecting gross cargo throughput are analyzed. In order to test the efficiency of the model, the cargo volume of a port in Shandong Province was used as an example. In the case study the actual results matched our theoretical analysis.     

复航河流沿岸港区的吞吐量预测方法的探讨

利用多种方法对复航河流沿岸港区吞吐量发展水平作出预测。近期预测主要采用时间序列法、灰色模型法和修正指数曲线法,对各方法预测结果加权平均得出吞吐量预测值。远期预测时,利用灰色模型曲线和修正指数曲线构造复合曲线获得吞吐量预测值。最后在定性分析的基础上对吞吐量预测值作出修正。     

基于聚类的港口吞吐量预测方法及其适用性分析

在统计分析历史数据的基础上,选取港口吞吐量、GDP值等指标,采用SPSS统计分析软件中的层次聚类分析法,将我国具有代表性的港口按照吞吐量增长规律分成平稳增长型、加速增长型和波动增长型3类。然后选择时间序列法、回归分析法、灰色模型理论和神经网络模型法,对不同类型的港口吞吐量预测的适用性进行了理论分析。最后以上海港和镇江港为实例进行计算,并对不同预测方法的适用性进行了验证。