GWO-Elman模型在港口货物吞吐量预测中的应用

港口作为国内国际贸易的重要枢纽，在新时代区域经济发展中具有重要的战略地位。为提高港口货物吞吐量的预测精度，使用差分法、灰狼优化（GWO）算法和Elman神经网络模型对2010―2019年青岛港货物吞吐量进行了训练与预测。基于所收集到的时间序列数据，将其作为样本数据输入Elman神经网络模型进行训练与测试；在训练过程中，引入灰狼优化（GWO）算法来优化Elman神经网络的权重（w）和神经元阈值（b）；将GWO-Elman组合模型应用于青岛港货物吞吐量预测的实证研究中。结果证明：GWO-Elman算法模型相较于传统Elman神经网络模型，在预测货物吞吐量时有着更高的收敛速度与预测精度，这为港口货物吞吐量的预测提供了一种新的计算方法。