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.     

基于改进Shapley值的港口供应链融资联盟收益分配

港口产业生态圈建设的大背景下,港口主导、多方参与的港口供应链融资联盟能够有效推动港口供应链金融创新,助力产业发展.为解决融资联盟的收益分配问题,对传统的Shapley值法进行改进,综合考虑资源投入、风险承担、信息共享水平及客户吸引力4个影响因素,并运用经TOPSIS法修正后的云重心法确定收益分配修正值,从而弥补Shapley值法的不足.算例结果表明,改进的Shapley值法在港口供应链融资联盟收益分配过程中更具公平性和合理性,有利于联盟的稳定发展.     

现代信息技术对未来航海的影响

从国际互联网（Internet),3S(GIS,GPS,RS)数字地球与数字海洋等信息技术的角度出发,分析了现代信息技术对未来航海的影响,论述了第的信息系统构架。     

集卡动态调度路径优化算法

从整体调度的角度出发,分析了整个码头作业面的动态调度方案,提出了一种新的集装箱卡车(集卡)动态调度路径的自适应蚁群算法。运用码头GPRS系统,以集卡速度、流量、位置等相关数据建立了感知链。通过判断阻塞状况和调整可行点集,确定了信息素浓度更新策略与转移概率计算方法。针对码头路网的复杂性和蚁群算法的实时计算效率,设计了蚁群算法的步骤。将信息熵引入到蚁群算法中,运用MATLAB软件,对集卡的动态调度方案进行了仿真计算。计算结果表明:当初始集卡速度分别为50、75km.h-1,初始集卡流量分别为800、1 000veh.h-1时,集卡行驶的最短路径为4.3km,行驶时间为0.057h;集卡行驶的最优路径为8.3km,行驶时间为0.111h。可见,该算法能有效缓解码头阻塞问题,提高集卡利用率和码头作业效率。