基于MATLAB的组合模型在港口吞吐量预测中的应用

以某港1998-2007年集装箱吞吐量为实测数据,建立其集装箱吞吐量的灰色理论、三次指数平滑、三次多项式等预测模型,在MATLAB下,对比该港集装箱吞吐量各模型预测拟合值与实际值的差异,分析了差异产生的原因及其单一预测模型的局限性,提出了港口集装箱吞吐量组合预测法.其预测误差明显低于其它单模型.运用组合预测模型,可降低误差,提高预测精度.     

基于三次指数平滑法的青岛港集装箱吞吐量预测

港口集装箱吞吐量预测一直是港口总体布局规划的重要前期工作。本文介绍了三次指数平滑预测方法,并针对青岛港历年集装箱吞吐量的增长特点,运用三次指数平滑法模型对青岛港“十一五”期的集装箱吞吐量进行了预测,比较了若干常用预测方法的预测效果,确认了所建预测模型的有效性。在此基础上作者对青岛港的发展提出了建议。     

基于支持向量机的港口吞吐量预测

对传统的两个线性组合预测模型进行了研究,提出了一个新的线性组合预测模型Ⅲ。为提高精度,提出了支持向量机非线性的组合预测模型。以青岛港历年集装箱吞吐量为例,与单一预测方法、线性组合预测进行对比,结果表明支持向量机非线性的组合预测方法比较精确。     

基于灰色系统理论的集装箱海铁联运量预测

介绍灰色系统理论,提出基于灰色系统理论的多变量灰色系统数列预测模型——PGM（1,N）模型,推导出用PGM（1,N）模型进行灰色数列预测的基本公式。以大连港为例,预测未来5a大连港集装箱吞吐量、集装箱海铁联运运量,分析表明此方法对铁路集装箱海铁联运量预测的有效性和实用性,且适合编程。     

基于误差绝对值之加权和最小的组合预测模型及其应用

介绍了基于误差绝对值之加权和最小的组合预测模型,并应用灰色预测法和三次指数平滑预测法两种单项预测法建立上海港集装箱吞吐量的组合预测模型,并运用此模型对２０００～２００１年上海港集装箱吞吐量进行了预测。     

基于GA优化BP神经网络的港口集装箱吞吐量预测

为了提高港口集装箱吞吐量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型。该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值。以青岛港2012-2018年集装箱吞吐量统计数据为例,进行实例验证。结果表明,与传统的BP神经网络相比,该模型能显著地提高港口集装箱吞吐量的预测精度,用于预测港口集装箱吞吐量具有一定可行性。     

时序数据挖掘中一种组合预测模型的研究

在时序数据的预测过程中有很多不确定的因素,用单一预测模型进行预测时,其预测精度不高.为了提高预测精度,在回归分析模型、指数平滑模型、灰色GM(1,1)模型三种单一预测模型的基础上,建立组合预测模型,并利用最小二乘法确定组合预测模型的权重.组合预测模型综合了各种预测模型提供的信息,能改善预测性能.该模型将更好的应用于时序数据挖掘.     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

组合预测模型在宁波港集装箱吞吐量预测中的应用

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。本文根据宁波港集装箱吞吐量的历史数据,建立了时间序列的三次指数平滑模型、灰色系统预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了组合预测模型,采用线性规划的方法确定其最优组合的权重,并对宁波港集装箱吞吐量加以预测和分析。     

基于误差平方和极小化的多模型组合预测研究

以某港口1997-2007年集装箱吞吐量为原始数据,建立了回归分析、3次指数平滑及灰色系统方法的港口集装箱吞吐量单项预测模型。鉴于单项预测模型的局限性,以误差平方和极小化为最优化准则,进行了多模型组合预测,并辅以实例进行分析和验证,通过误差的分析表明该模型能够改善预测精度,可以作为未来港口集装箱吞吐量预测的工具。