基于ARIMA和GM模型的青岛港货物吞吐量预测研究

通过多元回归、时间序列模型以及灰色预测模型,对青岛市的近20 a对外贸易总额和吞吐量进行分析预测。充分考虑与港口货物吞吐量相关的六种因素指标,构建多元回归方程,运用Eviews软件对各因素的数据进行处理,建立ARIMA模型并对提取的三个指标进行预测,从而对回归模型中的对外贸易进出口总额(因变量)进行总预测,以了解青岛港的运输需求量;采用灰色预测模型并运用MATLAB软件对青岛港的货物吞吐量预测,分析青岛港港口的运输承载力。运用数学模型对港口吞吐量进行科学的评价和预测,能为青岛港制定中长期发展战略提供基本依据,对港口的持续发展的具有一定的现实意义。     

基于灰理论的港口吞吐量预测研究

港口吞吐量是港口建设的重要依据,有效预测港口吞吐量,才能使港口在海洋运输业中发挥重要作用。灰理论预测可以在少量信息、不完全数据的情况下,揭示港口吞吐量的发展变化特征,是研究港口吞吐量的有效工具。本文对上海港货物吞吐量进行研究的结果表明,应用灰理论对港口吞吐量建立灰色模型GM(1,1)进行短期预测,其结果有较高的实用价值。     

非线性GM（1，1，α）模型在港口货物吞吐量预测中的应用

针对港口货物吞吐量预测的影响因素不确定及统计数据缺乏的问题，引入灰色预测理论，在传统的线性GM（1，1）模型的基础上。运用非线性GM（1，1，α）模型对港口货物吞吐量数据进行模拟和预测，并以2003-2007年汕头港货物吞吐量数据为实证，检测该模型的实用性和准确性。     

港口吞吐量预测的时序残差修正Verhulst模型

灰色系统预测模型是一种进行港口吞吐量预测的有效方法。但是,当港口吞吐量按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行吞吐量预测的误差较大,预测精度不能满足实际要求。根据港口吞吐量的增长规律,通过典型实例提出了基于时序残差的港口吞吐量预测Verhulst模型,用于中长期港口吞吐量预测。应用结果表明,本模型对于那些暂时处于快速增长而从长远看按“S”型曲线增长的港口吞吐量预测具有较高的预测精度,同时保留了灰色预测方法的原有优势和特点。     

基于GM(1,1)改进的DGM模型预测港口货物吞吐量

根据连云港港口货物吞吐量的统计资料,应用基于GM(1,1)改进的DGM模型来预测港口货物吞吐量。在计算、分析基础上得出所建立的模型预测效果较GM(1,1)和DGM模型预测精度高,与实际情况更为接近。     

基于并联型灰色神经网络模型的港口吞吐量预测方法探讨

港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。     

基于条件期望的港口货物吞吐量预测模型的建立与分析

为了有效预测港口货物总吞吐量的大小,利用条件数学期望提出了港口货物总吞吐量的预测模型.由于货物总吞吐量的变化与到达港口的货运船数目以及装卸设备的工作效率有密切关系,构造一个关于到达港口的货运船数目以及装卸设备的工作能力组合而成的复合变量,货物总吞吐量是这些复合变量所表示的货物装卸量的和.应用全概理论,得到货物总吞吐量的概率分布.在此基础上,将未来货物总吞吐量看作已完成吞吐量的条件期望.利用增长函数得出港口货物吞吐量的预测模型.以山东地区某港口的货物吞吐量变化规律进行了案例分析.理论分析和案例分析均表明该模型是预测港口货物总吞吐量的有效方法.     

基于三次指数平滑法的苏州港吞吐量预测

港口吞吐量预测是港口规划过程中的关键环节,直接关系到港口规划的科学合理性。文中根据苏州港集装箱吞吐量、货物吞吐量的历史数据,建立了时间序列的三次指数平滑模型预测模型,对苏州港集装箱吞吐量、货物吞吐量加以预测和分析,并提出了苏州港进一步发展的策略。     

基于外部干预的港口吞吐量预测

为更加准确预测港口吞吐量,以吉大港集装箱吞吐量为研究对象,构建一种灰色预测法修正干预时间序列ARIMA模型。模型以时间序列ARIMA模型分析为基础,识别干预后对干预序列采用灰色预测修正,旨在充分发挥灰色预测处理小样本的优势,提高干预模型预测精度。分析表明,在外部干预的条件下灰色修正时间序列模型预测港口集装箱吞吐量效果良好。模型预测结果为该港改扩建工程提供有力决策依据。     

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。     

基于SIMIO的航道通过能力仿真研究

以某沿海港口为例,采用新一代面向对象的建模软件SIMIO构建了航行作业系统模型,计算了其航道通过能力,分析了港口运营状态,验证了仿真模型的可靠性,并分析了两种装卸效率下,不同船流密度对通过航道货运量、 AWT/AST和AWT的影响。研究结果表明,航道货运量随船流密度的增加而增大,且存在一个极限值,高效率的装卸设备只有在船流密度较大时才能发挥作用。为真实、客观地分析和预报港口航道通过能力提供一种新工具。     

基于灰色关联分析和综合评价法的港口与产业发展关系研究*

日本濑户内海地区港口和城市发展对日本经济发展作用巨大,是港城协调发展的典型,值得关注和研究。为探究该地区港口与产业发展间的关系,以港口吞吐量和集装箱吞吐量表示地区港口发展状况,以从业人数和产业总产值表示地区产业发展状况,首先基于灰色关联分析法对各县港口与产业发展间的关系进行比较分析,总结归纳发展对策,为辽宁沿海经济带的港口与产业发展提供借鉴。然后,建立兼顾均衡性与功能性的综合评价模型,确定影响濑户内海地区产业发展水平的主要港口指标为港口吞吐量。最后,将其与其它评价模型进行比较,结果表明构建的综合评价模型与现实更吻合,能够更准确地对整个濑户内海地区的港口与产业发展关系进行综合评价研究。     

乌江银盘水电站通航建筑物建设规模优化研究

根据银盘水电站工程河段航运条件和近几年乌江实际发生的货运量,采用灰色系统模型,对船闸设计水平年内的客货运量增长情况进行了预测,并结合该河段代表船型和合理的运输组织,对银盘水电站通航船闸建设规模进行了优化研究,提出了既满足设计水平年内运量增长需要、又节省工程投资的船闸建设方案,研究成果已为工程建设采用。     

基础沉降的组合预测法

通过对基础沉降的发生过程、特点及灰色Verhulst模型特点的分析,提出可以根据施工过程中的观测资料,运用基于BP神经网络的组合预测模型对不同时刻的基础沉降进行预测;首先分别利用灰色Verhulst模型和BP神经网络模型对基础沉降进行估算,然后利用人工神经网络中的BP神经网络对采用前2种模型所得的结果进行组合预测。计算实例表明,使用该组合预测方法所得到的预测结果比单独使用灰色Verhulst模型或BP神经网络模型所得到的预测结果的总体误差要小,因而该方法是可行的、有效的;可以运用到实际工程中。     

舰船方位变化规律的灰预测方法研究

对方位序列进行预测对于潜艇作战具有重要的实际意义。应用灰色系统理论，以GM（1，1）模型，残差修正的GM（1，1），等维灰数递补残差修正GM（1，1）模型对目标序列进行预测，可有效克服目标方位序列的非线性和非稳定性，在信息较少的情况下达到精度较高的回归和预测效果。通过实例计算表明，上述计算可快速提供精度较高的较长时间间隔的目标方位，为潜艇作战提供有利信息。     

The MED rule: the interdependence of container throughput and transhipment volumes in the Mediterranean ports

The aim of the present paper is to explain the Mediterranean Transhipment Rule by a mathematical model showing the relationship between the diversion distance and the transhipment volumes, as well as the relationship to the total container traffic volume. Thus, the formula was applied to the figures achieved in 1994, 1995 and 1996. To conform with 1994, 1995 and 1996 data the formula was slightly altered so as to forecast transhipment volumes in the Mediterranean ports. By applying the formula to the figures achieved by some Mediterranean ports, the estimations were done which describe reliably enough that the transhipment volumes depend on the diversion distance and the total traffic throughput. In short, the volume of cargo transhipped in a single port is an inverse linear function of the distance of the port from the main-line vessels' route transiting the Mediterranean, and a linear function of the port container traffic volumes.     

Research on probability distribution of port cargo throughput

In order to more accurately examine developing trends in gross cargo throughput, we have modeled the probability distribution of cargo throughput. Gross cargo throughput is determined by the time spent by cargo ships in the port and the operating efficiency of handling equipment. Gross cargo throughput is the sum of all compound variables determining each aspect of cargo throughput for every cargo ship arriving at the port. Probability distribution was determined using the Wald equation. The results show that the variability of gross cargo throughput primarily depends on the different times required by different cargo ships arriving at the port. This model overcomes the shortcoming of previous models： inability to accurately determine the probability of a specific value of future gross cargo throughput. Our proposed model of cargo throughput depends on the relationship between time required by a cargo ship arriving at the port and the operational capacity of handling equipment at the port. At the same time, key factors affecting gross cargo throughput are analyzed. In order to test the efficiency of the model, the cargo volume of a port in Shandong Province was used as an example. In the case study the actual results matched our theoretical analysis.