基于NeuralProphet-LSTM组合模型的港口货物吞吐量预测 |
| |
引用本文: | 杨宇鸽,郝杨杨,王逸文.基于NeuralProphet-LSTM组合模型的港口货物吞吐量预测[J].中国航海,2023(4):85-92. |
| |
作者姓名: | 杨宇鸽 郝杨杨 王逸文 |
| |
作者单位: | 上海海事大学物流研究中心 |
| |
基金项目: | 上海市科技计划项目(23692106900); |
| |
摘 要: | 为进一步提高货物吞吐量预测准确性,提出基于NeuralProphet时间序列模型与长短期记忆(LSTM)神经网络的组合预测模型。首先利用NeuralProphet模型对港口货物吞吐量数据进行训练得到预测值并计算残差序列,然后对残差数据建立LSTM神经网络模型进行预报修正,重构得到最终的预测值。以上海港、厦门港的月度货物吞吐量数据为样本展开试验,结果表明,该模型能够有效地解决数据异常波动造成的预测结果误差大、预测效果不稳定等问题;相比于传统单一模型与LSTM-支持向量机(SVM)、Bi-LSTM等组合模型,NeuralProphet-LSTM模型预测精度更高,可帮助港航企业及时调整规划决策与经营策略。
|
关 键 词: | 港口吞吐量 组合模型 预测 NeuralProphet |
|
|