基于NeuralProphet-LSTM组合模型的港口货物吞吐量预测

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。