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。     

南京港集装箱吞吐量预测研究

港口集装箱吞吐量的合理预测对提高港口竞争力与经济效益具有决定意义。为了提高港口集装箱吞吐量预测精度,分别采用时间序列法中的三次指数平滑法、灰色GM(1,1)法和因果分析法中的多元回归分析法对集装箱吞吐量进行预测。在此基础上运用多元回归法进行吞吐量预测模型的组合分析,根据预测结果与实际吞吐量进行优化组合研究并建立预测综合模型。综合模型融合了前三种方法的优点,克服了单一预测方法的不确定性,改善预测效果,更加适合于南京港集装箱吞吐量的实际预测。     

基于分数阶算子灰色理论隧道围岩变形预测

采用新奥法开挖隧道时围岩应力产生重分布,对隧道围岩的变形进行监控量测是必不可少的内容。这些数据也影响着接下来的工况实施,需要对现场监控数据进行有效的处理才可以有效预测。为了避开一些复杂的地质因素、围岩力学效应等较难确定的因素,采用分数阶算子灰色理论进行数据处理。介绍了分数阶算子灰色理论的基本原理与操作步骤,基于传统的GM(1,1)模型,引入分数阶精确调节累加数的数量级,以此建立分数阶算子灰色预测模型。以工程实例为研究背景,对不同模型下隧道围岩位移的预测结果进行对比分析,结果表明,分数阶算子灰色预测模型优于经典GM(1,1)模型,其模拟精度有明显的提高,能满足实际工程的需求。     

基于ARIMA和GM模型的青岛港货物吞吐量预测研究

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。     

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。     

商品销售预测中GM(1,1)马尔可夫链的应用

在现代经济快速发展的今天,预测对于企业在激烈的竞争中占有一席之地显得尤为重要,因此产品的销售预测也是一个研究的热点。本文采用灰色预测方法结合马尔可夫链的应用,使得预测更为合理科学。文章简要介绍了灰色预测模型和马尔可夫链模型,并且给出了灰色预测模型的商品销售预测结果,最后把灰色预测模型和马尔可夫方法两者结合起来完成了商品的销售预测,验证了该方法的可用性,得出了比灰色预测更加准确的预测。     

基于组合预测模型的世界海运周转量预测分析

世界海运周转量是衡量未来航运市场运力需求的直接体现,在确定航运市场和船舶市场的发展趋势方面具有关键作用。针对世界海运周转量受到众多复杂因素影响的现实,基于传统的单个预测方法,分别采用时间序列、灰色系统、神经网络方法对世界海运周转量进行预测,然后再对单个预测方法进行加权组合,建立组合预测模型进行海运周转量的预测,预测结果表明:组合预测模型能够得到更加可靠的结果。     

改进灰色模型在海上交通综合安全指数预测应用

为提高海上交通综合安全指数的预测精度,弥补传统预测方法的不足,构造一种改进的灰色预测模型。在对传统的灰色预测模型GM(1,1)的基本原理和预测精度进行阐述的基础上,引入弱化算子序列对灰色预测模型进行改进,设计一种改进的灰色预测模型。以2004—2013年海上交通综合安全指数4项指标历史数据为基础,进行传统灰色模型预测和改进灰色模型预测,并绘制出2种预测模型的实际值和预测值的拟合曲线。结果表明:改进灰色模型的预测精度和拟合曲线都比传统灰色模型要好,能真实反映海上交通综合安全指数的发展趋势,预测结果具有一定的可靠性和实用性。     

改进灰色模型的船舶航行轨迹自动预测研究

为实现更加精准、自动化的船舶航行轨迹预测,利用改进灰色模型,提出一种基于改进灰色模型的船舶航行轨迹自动预测方法。在船舶航行中的AIS数据中对船舶航行轨迹数据进行提取,其中AIS数据具体包括船舶航程数据、船舶动态数据以及船舶动态数据。通过数据估计算法插补缺失数据,分为2个步骤,第1步是对插补数据进行识别,第2步是对其进行插补。通过改进灰色模型对船舶航行轨迹进行自动预测,主要使用基于缓冲算子改进的灰色模型构建船舶航行轨迹自动预测模型。选取某船舶服务项目中包含的船舶AIS数据作为实验数据,对设计方法进行实例测试。测试结果表明,设计方法的数据提取质量较高、预测模型的误差较小,具有广阔的市场应用前景。     

基础沉降的组合预测法

通过对基础沉降的发生过程、特点及灰色Verhulst模型特点的分析,提出可以根据施工过程中的观测资料,运用基于BP神经网络的组合预测模型对不同时刻的基础沉降进行预测;首先分别利用灰色Verhulst模型和BP神经网络模型对基础沉降进行估算,然后利用人工神经网络中的BP神经网络对采用前2种模型所得的结果进行组合预测。计算实例表明,使用该组合预测方法所得到的预测结果比单独使用灰色Verhulst模型或BP神经网络模型所得到的预测结果的总体误差要小,因而该方法是可行的、有效的;可以运用到实际工程中。     

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。     

基于灰色马尔科夫链优化模型的船舶到港量预测

针对船舶到港量总体呈现递增趋势,既受经济等因素影响又存在波动性的特点,采用灰色预测或灰色马尔科夫链预测模型进行船舶到港量预测存在拟合度小和精度低等问题,将三次指数平滑与灰色马尔科夫链预测模型相结合,建立船舶到港量的灰色马尔科夫链优化预测模型。利用宁波舟山港老塘山港区2008—2017年5月份的船舶到港量数据进行预测应用与精度对比,2018年5月船舶到港量预测结果为805艘,残差均值为41.172,相对残差率为7.07%,优化后的灰色马尔科夫链模型残差均值和相对残差率有一定程度的降低,拟合度有一定程度的提高。分析结果表明:优化后的灰色马尔科夫链模型可进一步提高预测的精度,符合实际要求,能为港口锚地规划提供理论支持。     

基于残差修正灰色系统理论的交通量预测

通过对灰色系统GM(1,1)模型的残差修正,建立了水运量的预测模型,经误差和关联检验表明,预测精度良好,通过2003-2005年的实际水运量来验证模型,发现相对误差较小,说明预测结果合理可信,灰色预测方法可应用于水运量预测领域。     

基于组合模型的港口集装箱吞吐量预测方法

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。     

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.     

一种面向设备维修时间预测的组合优化模型及其应用

提出了一种面向设备维修时间预测的组合优化模型,即首先利用混沌粒子群优化算法估计灰色模型参数,然后结合线性回归方法推导得到可以补偿灰色预测模型误差的设备维修时间预测模型,同时以船用柴油机汽缸的维修时间预测为例进行了仿真实验。结果表明,该组合优化模型的预测精度较高,可以有效减小数据波动引起的误差,具有较高的应用前景。     

船用燃机性能降级新型预测模型建立及应用分析

船用燃气轮机气路维护是舰船动力系统健康管理当中必要的环节,采用视情维护的方法是当前十分先进的维护手段,其中对气路降级趋势的预测是维护方法的核心。气路降级数据具有明确的增长趋势与不规律的波动性,符合灰色系统的特征。本文采用无偏灰色预测模型改进灰色马尔科夫模型,在此基础上扩大原始数据的维数,采用灰色关联度模型,将类似于当前序列的参考序列引入,最终构成了一种新的混合预测模型。最后,选择燃气轮机压气机结垢的过程作为实例来验证这一新的模型。通过研究模型参数和预测准确性之间的关系,为实例提出了建议的最佳参数。从预测准确性与对波动性的预测角度与不同的预测模型的比较结果表明,新的模型优于一些其他序列预测模型。     

基于改进灰色模型的电力系统负荷预测

传统的灰色预测模型因其所需历史数据少、计算快、对平稳地区的负荷预测有较高精度等优点,曾被广泛应用。但传统的灰色预测模型对于历史数据要求较高,最好为指数形式,并且在数据波动较大的情况下,其预测误差可能变得较大,不符合实际需要。为了减小预测误差,本文在传统灰色模型的基础上,首先对部分历史数据进行平滑处理,以确保其光滑性,同时对历史数据进行等维处理,不断的剔除旧数据,增加新数据,最后进行灰色循环残差修正,在原始数据和预测模型两个方面进行了修正,提高了电力负荷预测精度。     

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。     

基于灰色预测模型的上海水运和远洋货运量预测

为准确预测上海水运和远洋货运量,更好地建设上海国际航运中心,文中通过对上海1999～2009年水运和远洋货运量的统计分析和研究,应用灰色系统中的GM(1,1)模型,建立了上海水运和远洋货运量预测模型,通过预测模型运行并与历史数据进行比较,确认预测模型准确度较高;最后以此预测模型对上海2012～2019年的水运和远洋货运量进行了预测。