基于灰理论的港口吞吐量预测研究

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。     

基于GM(1,1)改进的DGM模型预测港口货物吞吐量

根据连云港港口货物吞吐量的统计资料,应用基于GM(1,1)改进的DGM模型来预测港口货物吞吐量。在计算、分析基础上得出所建立的模型预测效果较GM(1,1)和DGM模型预测精度高,与实际情况更为接近。     

对东莞市港口吞吐量预测方法的思考

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。     

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。     

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。     

基于优化GM(1,1)模型的港口吞吐量预测

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和具有自适应背景值的GM(1,1)优化模型。通过原始序列建立具有自适应背景值的GM(1,1)模型以描述总体趋势,利用正弦和描述残差中包含的周期性振荡规律,建立优化的GM(1,1)模型。利用该模型对广州港港口吞吐量数据进行模拟与预测,结果表明:基于优化的GM(1,1)模型,能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,模拟和预测精度都显著优于传统GM(1,1)模型,可将该模型用于具有振荡性质的吞吐量预测。     

绿色港口趋势下我国碳排放量的预测及减排对策

根据我国主要港口历史数据和行业特征,利用GM（1,1）灰色预测模型预测沿海港口吞吐量,再根据港口吞吐量与能源消耗量的关系预测标准煤单耗量和碳排放量。结果表明,到2050年,我国主要港口碳排放量将迅猛增长。针对这种增长状况给出有关绿色港口评价指标体系建设、环境保护法制体系应用、港口绿色信息系统完善、环保激励机制实施、技术革新等五方面的建议。     

基于GM(1,1)模型的海上交通事故预测

根据舟山海域水上事故的统计资料,应用基于GM(1,1)模型来预测港口货物吞吐量。在计算、分析基础上得出所建立的模型预测效果精度高,与实际情况更为接近。     

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。     

利用改进的灰色模型预测港口集装箱吞吐量

本文介绍了灰色模型GM(1,1)及改进灰色模型(背景值优化),同时对残差校正进行优化,并用实例证明在港口吞吐量预测方面,改进灰色模型比原始灰色模型误差更小,精度更高。     

改进的灰色模型在港口吞吐量预测中的应用

用提高原始数据列光滑度的方法来提高灰色预测模型(GM模型)的精度。利用函数a-xm(a>1,m>1)对原始离散数据列｛x(0)(k)｝进行变换,原始数据列变成a-[x(0)(k)]m ,很大程度上提高了预测精度。将这种方法应用于港口吞吐量的预测,结果比传统灰色预测方法精度高很多,对正确做出港口发展战略、统筹安排、正确决策以及减少损失有重大意义。     

炼厂自备码头港口吞吐量预测分析

炼厂自备码头作为货主码头的一种形式,不同于其他社会第三方企业码头,其港口吞吐量的发展变化很大程度上取决于炼厂的原油加工能力以及炼厂实际原油加工量的发展变化,集中反映炼厂的运营状态,同时也影响着炼厂的原油加工量。因此,对炼厂自备码头港口吞吐量的预测不能仅仅考虑吞吐量自身变量的变化,应当同时将炼厂原油加工量和港口吞吐量这两个变量纳入到一个系统模型中。本文通过实例比较GM(1,1)模型和MGM(1,n)模型对某北方临海炼厂自备码头港口吞吐量的预测结果,从而揭示炼厂自备码头吞吐量的未来发展趋势以及炼厂原油加工量和港口吞吐量之间的发展变化关系。     

基于马尔科夫模型的港口吞吐量预测

结合我国主要港口近10年来的货物吞吐量季度数据,利用马尔科夫模型进行预测。经验证,马尔科夫模型适用于对港口货物吞吐量的预测,并具有很高的精确度。在此基础上,提出改进建议:采取权重计算方式;扩大数据样本,使模型精确度更高。     

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。     

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。     

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。     

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.     

基于三次指数平滑法的苏州港吞吐量预测

港口吞吐量预测是港口规划过程中的关键环节,直接关系到港口规划的科学合理性。文中根据苏州港集装箱吞吐量、货物吞吐量的历史数据,建立了时间序列的三次指数平滑模型预测模型,对苏州港集装箱吞吐量、货物吞吐量加以预测和分析,并提出了苏州港进一步发展的策略。     

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。