集装箱吞吐量的动态预测研究

针对以往文献中港口集装箱吞吐量的预测结果与实际值差距大的现象,提出了用因果模型预测一民动态补偿相结合的动态预测方法预测港口集装箱吞吐量,并将此方法用于对上海港集集装箱吞吐量的预测,取得了较好的效果,为集装箱吞吐量的预测提供了一条较为可靠且实用的途径。     

相同腹地港口集装箱吞吐量预测

从港口群的角度对港口集装箱吞吐量预测进行研究,解决港口腹地重叠情况下的港口集装箱吞吐量预测问题。通过分析港口吞吐量影响因素,建立广义费用函数,构建集装箱的广义费用最小模型,最后通过软件STAN计算出港口集装箱吞吐量。将该方法应用于上海国际航运中心货运集疏运系统集成优化研究和上海国际航运中心集疏运体系优化方案研究,预测其中3个港口在2015年和2020年的集装箱吞吐量。     

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。     

基于偏最小二乘法的集装箱吞吐量预测模型研究

利用偏最小二乘法(PLS)能够克服样本个数比变量维度少的特点和消除变量多重共线性的优点对港口集装箱吞吐量进行建模预测,该方法适用于历史数据较少的港口。并以黄骅港为例,通过SPSS软件对港口集装箱吞吐量进行建模预测并给出2025年集装箱吞吐量预测值。结果表明,偏最小二乘法能够有效的消除影响因素的多重共线性,具有良好的预测精度,可为今后的港口集装箱吞吐量预测提供参考。     

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。     

基于三次指数平滑法的青岛港集装箱吞吐量预测

港口集装箱吞吐量预测一直是港口总体布局规划的重要前期工作。本文介绍了三次指数平滑预测方法,并针对青岛港历年集装箱吞吐量的增长特点,运用三次指数平滑法模型对青岛港“十一五”期的集装箱吞吐量进行了预测,比较了若干常用预测方法的预测效果,确认了所建预测模型的有效性。在此基础上作者对青岛港的发展提出了建议。     

一种以月份为预测单位的港口近期集装箱吞吐量预测方法

针对港口集装箱吞吐量预测工作的实际,在已有的以年份为预测单位的预测方法基础上,提出一种以月份为预测单位的预测方法,并以上海港“十五”期间各个月份集装箱吞吐量统计数据为基础进行实证研究。     

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。     

基于时间序列BP神经网络的集装箱吞吐量动态预测

集装箱吞吐量预测是港口发展规划制定的依据。在MATLAB环境下，把时间序列BP神经网络应用于港口集装箱吞吐量的预测，采用逐步递归的方法进行，同时注意尽量减少训练样本的浪费（只用1个检验样本）和充分挖掘BP神经网络适合短期预测的潜力。无论是从拟合情况，还是预测值的检验和港口发展规划的实际情况来看，都有着很高的精度．可以作为集装箱吞吐量预测的一种行之有效的方法。     

巴布亚新几内亚科考瑞港集装箱吞吐量预测

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。     

Forecasting container throughput based on wavelet transforms within a decomposition-ensemble methodology: a case study of China

To improve predictive accuracy, new hybrid models are proposed for container throughput forecasting based on wavelet transforms and data characteristic analysis (DCA) within a decomposition-ensemble methodology. Because of the complexity and nonlinearity of the time series of container throughputs at ports, the methodology decomposes the original time series into several components, which are rather simpler sub-sequences. Consequently, difficult forecasting tasks are simplified into a number of relatively easier subtasks. In this way, the proposed hybrid models can improve the accuracy of forecasting significantly. In the methodology, four main steps are involved: data decomposition, component reconstruction based on the DCA, individual prediction for each reconstructed component, and ensemble prediction as the final output. An empirical analysis was conducted for illustration and verification purposes by using time series of container throughputs at three main ports in Bohai Rim, China. The results suggest that the proposed hybrid models are able to forecast better than do other benchmark models. Forecasting may facilitate effective real-time decision making for strategic management and policy drafting. Predictions of container throughput can help port managers make tactical and operational decisions, such as operations planning in ports, the scheduling of port equipment, and route optimization.     

港口货物吞吐量预测方法探讨

对常用的港口货物吞吐量预测方法进行了系统分析,并以重庆涪陵港为例,综合运用回归分析法、平均增长率法、弹性系数法、产销平衡法等定量预测方法和专家预测法等定性预测方法进行吞吐量预测,经与相关资料比较,表明其预测结果是合理的,同时本文采用的预测方法也可为其它港口的货物吞吐量预测提供参考。     

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GRNN神经网络的长江干线港口集装箱吞吐量预测

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。     

港口吞吐量预测影响因素筛选方法研究*

物流预测指标的筛选是物流需求预测工作的首要步骤。对港口吞吐量及其影响因素进行了分析,提出了预测指标的筛选原则和筛选方法,并以广西北部湾港口为例,利用2000—2008年的统计数据,采用灰色关联分析法和DPS数据处理软件工具求出各因素与港口吞吐量以及各因素之间的灰色关联度,最后根据筛选原则选出一组相关性强、结构合理的港口吞吐量预测指标。     

港口吞吐量计量预测分析

通过应用国际航运的派生需求理论和计量经济分析方法,采用计量经济学中时间趋势、对数等变量分析手段,新设计了一个能精确预测港口吞吐量的经济计量方程。通过使用该计量方程,并引用厦门港吞吐量历年数据,采用两种不同的计量技术方法对厦门港2005～2008年的集装箱吞吐量进行预测,两种方法的预测结果差异很小。论文同时对两种预测方法获得的预测结果进行了误差分析,并计算出误差结果。     

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。     

基于江海联运的长江沿线港口集装箱吞吐量分析预测

在长江集装箱货源市场调查分析的基础上,根据长江沿岸集装箱发展形势,结合长江各港口发展情况及其历年数据调查,分析长江沿岸省市的外贸现状、经济趋势、集装箱发展特点,考虑集装箱生成量和港口吞吐量预测的影响因素,运用科学合理的方法,对2006—2010年长江(上、中、下游)沿岸外贸集装箱生成量、流向,以及长江沿岸省市至洋山江海联运量进行预测分析。     

Competition between the ports of Hong Kong and Singapore: a structural vector error correction model to forecast the demand for container handling services

The objective of this paper is to provide the Hong Kong government with an alternative forecast of container throughput, by studying various interactive relationships between major ports in East and Southeast Asia. As the demand for container handling services is 'derived' from the demand for imports, the resulting market shares for the container handling services gripped by different regions inevitably become a mirror image of the relative competitiveness of their exports. When the markets of the two ports overlap, their market shares will become a function of the prices they charge and how well they meet the needs of the shippers and shipping lines. A vector error correction model (VECM) with structural identification was set up to capture this kind of trade-interdependency and oligopolistic relationship in the East and Southeast Asian market for container handling services. In the course of so-doing, the upward sloping supply curves and downward sloping demand curve for the container handling services provided by Hong Kong and Singapore are identified from the model. Interestingly, the impulse response functions display what is reminiscent of the trade-interdependency and oligopolistic relationship. The forecast of Hong Kong container throughput generated by the structural VECM is then compared with that obtained by the Hong Kong Port Development Board (PDB). The sensitivity analysis shows that, in all possible cases, the structural VECM produces higher growth paths for the Hong Kong container throughput than the PDB does and, hence, suggests an earlier construction of new terminals.