改进非线性灰色模型在古巴港吞吐量预测中的应用

通过数学处理,从建模机理上对线性的灰色模型G(1,1)进行改进,减小由于建模方法上的缺陷所造成的固有误差。将改进后的非线性灰色预测模型G(1,1,α,ρ)用于古巴港吞吐量预测。通过残差、关联度检验,发现改进后的非线性灰色模型较传统模型灵活度大,预测精度高,实用性强。预测结果可为古巴港及国内外相似港口的发展规划提供依据。     

利用改进的灰色模型预测港口集装箱吞吐量

本文介绍了灰色模型GM(1,1)及改进灰色模型(背景值优化),同时对残差校正进行优化,并用实例证明在港口吞吐量预测方面,改进灰色模型比原始灰色模型误差更小,精度更高。     

基于灰色模型的营口港集装箱吞吐量预测

为预测营口港集装箱吞吐量,基于灰色GM(1,1)模型构建营口港集装箱吞吐量预测模型.预测结果显示,2011-2013年营口港集装箱吞吐量将稳步增长,2013年将突破800万TEU.     

改进的灰色模型在港口吞吐量预测中的应用

用提高原始数据列光滑度的方法来提高灰色预测模型(GM模型)的精度。利用函数a-xm(a>1,m>1)对原始离散数据列｛x(0)(k)｝进行变换,原始数据列变成a-[x(0)(k)]m ,很大程度上提高了预测精度。将这种方法应用于港口吞吐量的预测,结果比传统灰色预测方法精度高很多,对正确做出港口发展战略、统筹安排、正确决策以及减少损失有重大意义。     

基于组合模型预测法的广州港集装箱吞吐量预测

为弥补单一模型预测方法的不足,以广州港集装箱吞吐量历史数据为依据,分析集装箱吞吐量的主要影响因素,分别采用时间序列模型、Eviews多元线性回归模型对2018―2022年广州港的集装箱吞吐量进行预测。比较组合加权方法对预测结果的预测,结果表明:组合模型预测法能够提高预测的准确性,减小预测误差。     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

广州港吞吐量预测

2005年广州港货物吞吐量达到2．5亿吨，增长16．34％，位居世界港口第五位；集装箱吞吐量为468万TEU，增长41．5％。南沙港区投产后第一个完整年度就突破100万TEU，达到108万TEU。随着周边港口的繁荣发展和崛起，未来五年广州港吞吐量和发展将如何变化？现根据广州港的实际情况和未来规划，我们简要地对广州港未来5年吞吐量进行预测，以求探索和把握其发展规律。然而，对港口吞吐量进行预测，是一项挑战性的工作。它是制定港口发展战略、规划的重要依据，要对它进行较为准确的预测并不容易。因为它受到国内外宏观经济环境，港口能力、市场份额等众多不确定因素影响。     

基于改进灰色模型的电力系统负荷预测

传统的灰色预测模型因其所需历史数据少、计算快、对平稳地区的负荷预测有较高精度等优点,曾被广泛应用。但传统的灰色预测模型对于历史数据要求较高,最好为指数形式,并且在数据波动较大的情况下,其预测误差可能变得较大,不符合实际需要。为了减小预测误差,本文在传统灰色模型的基础上,首先对部分历史数据进行平滑处理,以确保其光滑性,同时对历史数据进行等维处理,不断的剔除旧数据,增加新数据,最后进行灰色循环残差修正,在原始数据和预测模型两个方面进行了修正,提高了电力负荷预测精度。     

台州港集装箱吞吐量预测

<正>1台州港集装箱运输发展现状台州港位于浙江省中部沿海地区,东临东海,西接金华、丽水,南北介于宁波港与温州港2大沿海港口之间,是我国对外开放一类口岸和浙江省4大沿海港口之一。台州港集装箱运输发展经历了以下2大转变:一是港口定位逐步由干线港转变为喂给港;二是货物流向由以出港为主转变为以进港为主,原因是甬台温高速公路的开通对台州港集装箱运输造成巨大冲击,在货物弃水走陆的情况下,外贸集装箱经宁波港中转使台州港内支线运输重新焕发生机。     

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。     

灰色多元回归模型在港口吞吐量预测中的应用

利用灰色模型和多元回归模型建立3种灰色多元回归模型:并联型、串联型和嵌入型.将各模型用于上海港吞吐量预测.可得结论:串联模型和嵌入模型是利用灰色理论对多元回归模型的改进,其能弱化原始数据的随机型,提高模型预测精度;并联型模型本质上是组合模型,能综合多种信息,预测具有非劣性,具有一定的实用价值.     

基于BP神经网络的武汉港货物吞吐量预测

港口吞吐量是港口设施和经营管理水平的综合性反映。本文从BP神经网络原理入手,构建影响港口货物吞吐量的因素与货物吞吐量间的预测模型,并对武汉港货物吞吐量进行了预测,得到了较好的预测结果。     

武汉港集装箱吞吐量预测研究

本文在分析武汉港集装箱吞吐量历史数据特点的基础上,应用趋势外推法在SPSS平台上拟合建立数学模型,并求解以预测武汉港未来集装箱吞吐量。     

连云港港货物吞吐量预测研究

分别采用线性回归法和支持向量机法对连云港港货物吞吐量进行预测研究,在此基础上,提出基于前两种方法的最优线性组合预测模型。通过对3种预测方法的预测结果对比,指出组合预测法具有性能稳定且精度较高的特点。最后根据组合预测模型结果,给出连云港港2010—2015年货物吞吐量的预测数据。     

基于组合模型的天津港吞吐量预测

根据天津港货物吞吐量的历史数据,分别建立有关该港吞吐量的回归预测模型、Logistic生长曲线模型以及组合模型。通过比较3种模型的平均相对误差,可以证明组合模型的平均相对误差最小。运用组合模型预测港口吞吐量可以降低误差,提高预测精度。     

基于马尔科夫模型的港口吞吐量预测

结合我国主要港口近10年来的货物吞吐量季度数据,利用马尔科夫模型进行预测。经验证,马尔科夫模型适用于对港口货物吞吐量的预测,并具有很高的精确度。在此基础上,提出改进建议:采取权重计算方式;扩大数据样本,使模型精确度更高。     

灰色线性回归模型在港口吞吐量预测中的应用

利用灰色模型和线性回归模型,分别基于最小二乘及有效度原理建立了两种灰色线性回归模型,并将其用于镇江港吞吐量预测,可得结论:基于最小二乘原理建立的灰色线性回归模型,预测精度优于单一的灰色模型和线性回归模型,其应作为镇江港吞吐量预测的最优模型;基于有效度原理建立的灰色线性回归模型预测精度尽管低于线性回归模型,但由于其本质上为组合模型,能综合多种信息,用于港口吞吐量预测时也具有一定的实用性.     

灰色系统模型在内河港口吞吐量预测中的应用

根据淮南港吞吐量实际调查资料,选择灰色系统理论对其进行吞吐预测研究,结果表明,对不同的预测时期应采用不同的灰色系统预测模型。对于短期预测,采用GM(1,1)模型与Verhulst模型的组合模型;对于长期预测,采用Verhulst模型并用GM(1,1)模型对其残差进行修正。实例验证以上两种模型是可行性的。     

灰色组合模型在港口集装箱吞吐量预测中的应用

文章尝试将两种独立的灰色模型预测方法，GM（1，1）模型与Verhulst模型结合起来考虑，形成一种新的灰色组合预测模型方法．为灰色模型应用于近期、中长期的预测提供了一个新的解决方案。     

基于灰色马尔科夫链优化模型的船舶到港量预测

针对船舶到港量总体呈现递增趋势,既受经济等因素影响又存在波动性的特点,采用灰色预测或灰色马尔科夫链预测模型进行船舶到港量预测存在拟合度小和精度低等问题,将三次指数平滑与灰色马尔科夫链预测模型相结合,建立船舶到港量的灰色马尔科夫链优化预测模型。利用宁波舟山港老塘山港区2008—2017年5月份的船舶到港量数据进行预测应用与精度对比,2018年5月船舶到港量预测结果为805艘,残差均值为41.172,相对残差率为7.07%,优化后的灰色马尔科夫链模型残差均值和相对残差率有一定程度的降低,拟合度有一定程度的提高。分析结果表明:优化后的灰色马尔科夫链模型可进一步提高预测的精度,符合实际要求,能为港口锚地规划提供理论支持。