2022年一季度全国港口吞吐量运行综述

一季度,全国港口货物吞吐量、集装箱吞吐量略有增长,旅客吞吐量有所恢复,但仍低于疫情前规模。一、货物吞吐量一季度,全国港口完成货物吞吐量36.3亿t,同比增长1.6%,其中:沿海港口完成24.1亿t、同比增长1.8%,内河港口完成12.2亿t、同比增长1.1%;完成外贸货物吞吐量11.1亿t、同比下降4.7%,完成内贸货物吞吐量25.2亿t、同比增长4.6%。     

珠江水系完成港口货物吞吐量18.79亿吨

2021年,珠江水系克服疫情常态化的不利因素影响,港口吞吐量各项主要指标都取得一定增长,全港完成货物吞吐量18.79亿吨、外贸货物吞吐量5.27亿吨、集装箱吞吐量6843万TEU,与2020年相比,分别增长3.3%、9.4%、4.7%;与疫情前(2019年)相比,年平均增长5.2%、6.4%、2.1%。     

2022年8月全国港口吞吐量运行综述

8月,受疫情反弹、极端天气、需求不旺等因素影响,货物、集装箱吞吐量增速有所回落。受去年同期低基数影响,旅客吞吐量较快增长,但与疫情前同期相比仍处于低位。一、货物吞吐量8月,全国港口完成货物吞吐量13.2亿t,同比下降1.8%,其中:沿海港口完成8.5亿t、下降0.7%,内河港口完成4.7亿t、下降3.8%;完成外贸货物吞吐量3.8亿t、下降6.1%,完成内贸货物吞吐量9.4亿t、增长0.04%。     

蓄势谋远 奋楫笃行 加快推进一流强港建设再上新水平

广州港集团坚持以习近平新时代中国特色社会主义思想为指导,贯彻落实习近平总书记对港口发展的重要指示批示精神,紧紧围绕交通强国建设纲要、建设世界一流港口指导意见、粤港澳大湾区发展战略等宏观规划,蓄势谋远以提振企业信心,奋楫笃行得彰显发展韧性,在品质港口、效率港口、绿色港口、平安港口、智慧港口等方面下苦功、闯新路、攀高峰。     

基于改进物元法的智慧港口发展水平评价模型

针对当下智慧港口建设如火如荼,而建设行业标准体系却迟迟未能统一的问题.首先利用智慧港口建设发展路径的研究基础,结合国内外信息化发展评价指标体系研究成果,构建了适合国内智慧港口建设发展的评价指标体系;其次利用主客观综合赋权法降低了传统评价过程中,主观因素对指标权重的影响,引入基于云模型的改进物元理论,解决了传统评价方法中模糊性和随机性带来的误差;最后以天津港智慧港口建设工程为算例,对天津港的智慧港口发展水平进行评估,计算得到期望为3.9956,发展等级为较好,与正态云模型和灰色关联分析法的验证结果一致.研究结果表明:评价体系符合现阶段智慧港口的发展方向,评价方法简洁有效,在降低了双重不确定性对于评价结果影响的同时计算了评价结果的置信度,为今后我国智慧港口发展和评价体系的建立提供了参考.     

2020中国港口:疾步奔跑勇敢追梦

时光无言,总在见证。在2019年新年贺词中,习近平总书记勉励大家“我们都在努力奔跑,我们都是追梦人”,为无数中国港口人增添奔跑的豪情,2019年,中国港口人一直在努力奔跑。新年伊始,习近平总书记在2020年新年贺词中提到“天津港蓬勃兴盛”,再次点燃了中国港口人奋进的激情。     

复杂水域船舶进出港全过程仿真建模方法

本文对比分析了国内外应用各种建模方法在船舶通航研究中的优缺点,提出了一种基于多智能体信息交互的港口运营系统仿真建模方法,旨在拟实反映复杂水域船舶进出港的全过程。结合多智能体系统仿真理论、离散事件仿真理论与多元数据统计分析方法,实现了对复杂水域船舶进出港全年全过程的精细化仿真,并系统总结了可通过建模解决的关键研究问题。     

不忘初心 牢记使命 奋力谱写交通强国建设珠江水运新篇章——在2020年珠江航务管理局工作会议上的讲话摘要

一、2019年工作回顾2019年珠江航运高质量发展,珠江黄金水道建设迈出了新的步伐。2019年,珠江水系内河货运量达到10亿吨,同比增长5.5%;港口货物吞吐量6.1亿吨,同比增长12.6%;集装箱吞吐量1400万TEU,同比增长13.4%;西江航运干线长洲船闸货物通过量达到1.45亿吨,同比增长10.3%;广东、广西通过琼州海峡进出海南岛旅客1500万人次,同比增长0.3%,车辆330万台次,同比增长0.2%,实航51500航次,同比增长1.5%。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.