港口货物吞吐量双层预测模型研究

在得出港口货物吞吐量概率分布的基础上,利用条件数学期望提出了港口货物吞吐量的双层预测模型.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.应用全概率理论,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的计算误差要比其它方法小.     

基于RBF神经网络的港口货物吞吐量预测

将人工神经网络理论引入港口货物吞吐量远景观测，并依据，1978－1998年北方某大港主要要经济腹地的相关经济变量的历史数据建立RBF神经网络预测模型，最后利用模型对未来15该港货物吞吐量进行了预测。     

全国内河港口货物吞吐量统计调查与分析

随着内河建设力度加大以及港口管理体制的改革,港口统计范围扩大到全行业。根据我国港口的特点,目前完全采用传统的统计报表制度是不适合的。 根据交通部综合规划司的建议,交通部科技司在“九五”科技计划中,立题“全国内河港口货物吞吐量统计调查与分析”,研究适合我国港口生产特点的、科学的、经济的,可操作的全国内河港口吞吐量抽样调查方案,应用于港口吞吐量资料的搜集和推算工作。由上海海运学院、上海市人民政府交通办公室、江西省交通厅联合组成的课题组于１９９８年１１月与交通部科技司正式签定合同,承担该课题的研究。１９９９年１１月,课题组完成了课题研究。经过有关省市的试行和专家鉴定表明,该课题研究成果达到同类研究国内领先水平。 为了满足广大读者的要求,本刊特将该课题研究成果的主要内容,从本期起分期连续刊载。     

组合预测模型在港口货物吞吐量预测的应用

以“估计误差的方差极小”作为最优准则,建立港口货物吞吐量的组合预测模型,并以天津港货物吞吐量预测为例,在回归分析法和3次指数平滑法预测的基础上,采用组合预测模型对天津港货物吞吐量发展进行预测;最后比较了3种预测方法各自的适用性。     

国内港口货物吞吐量稳步增长

<正>9月份,我国港口货物吞吐量完成5.4亿吨,同比增长7%。其中内贸完成3.5亿吨,同比增长8%;外贸1.9亿吨,同比增长6%。前三季度,我国港口货物吞吐量完成47.8亿吨,同比增长14%;外贸完成17.5亿吨,同比增长15%。     

世界各国港口货物吞吐量现状

<正>如果能够把世界各个海运国家有关港口的数据如国家总港口吞吐量,内外贸所占比重,进出口货种及数量,以及各大潜的上述有关数据收集齐全,并将这些数据和各国有关经济情况及数据,如经济发展过程、经济发展现状及水平、产业结构、进出口商品贸易总额,进出口商品结构组成等联系起来,将十分有助于研究各国港口发展和经济发展的关系。从目前所掌握的数据分析冒,有些规律性问题已经显现出来。但目前由于港口数据难以收集齐全,且因统计口径不完全统一,这样会给经济分析带来不确切的因素。以下各表是编者尽可能将有关数据收集齐全后合并在一起,并将我国的港口数据也列入,以供研究者参考。以下对各表精确度简要说明如下:1.表2是以世界各大港吞吐量的大小来排序的。参照的文献先以ISL的排序为依据,并把日本、印度和我国的统计数据等列入后排列出76个港口。此表的缺点有:（1）各国所采用的单位有差异,如MT、FT、RT、HT等,这对各港吞吐量比较略有影响,但不大。对散货大港几乎无影响。（2）美国的港口吞吐量统计口径不一致,部分港口只统计外贸吞吐量,这对港口排名影响较大。其中:新奥尔良、纽约、休斯顿都是亿吨级大港。如新奥尔良港1982年全港吞吐量曾达1·71亿吨,1995年的统计外贸吞吐量6000万吨。所以该表中组以     

前三季度我国主要港口货物吞吐量稳步增长

前三季度＋我国主要港口货物吞吐量完成56.7他吨．同比增长5．9％。外贸货物吞吐量完成21亿吨,同比增长9．2％。9月份．我国主要港口货物吞吐量完成64亿吨．同比增长3％;外贸货物吞吐量完成2．3亿吨．同比增长5％。     

去年我国港口货物吞吐量达56亿吨

2006年我国港口货物吞吐量达到56亿吨，同比增长16．2％。我国港口吞吐量连续4年居世界第一。我国港口集装箱吞吐量完成9300万TEU，同比增长23．4％也连续4年保持港口集装箱吞吐量世界第一。     

基于聚类的港口吞吐量预测方法及其适用性分析

在统计分析历史数据的基础上,选取港口吞吐量、GDP值等指标,采用SPSS统计分析软件中的层次聚类分析法,将我国具有代表性的港口按照吞吐量增长规律分成平稳增长型、加速增长型和波动增长型3类。然后选择时间序列法、回归分析法、灰色模型理论和神经网络模型法,对不同类型的港口吞吐量预测的适用性进行了理论分析。最后以上海港和镇江港为实例进行计算,并对不同预测方法的适用性进行了验证。     

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.     

神经网络模型在港口吞吐量预测中的应用与误差分析

应用神经网络BP算法对杭州港的吞吐量预测实例进行了详细分析。通过对网络各种参数的调试与组合得出,当隐含层节点数为15,训练控制误差为0.035,分级迭代级数为4级,平滑因子参数为0.2,学习速率参数为1.5时,网络性能最佳。将网络预测结果与时间序列和回归分析2种方法进行了比较,得出神经网络方法在短期预测中要优于传统方法。通过对模型预测误差产生原因的简要分析,得出神经网络方法并不适用于吞吐量长期预测。最后对其应用过程中可能存在的一些问题提出了建议。     

港口吞吐量预测影响因素筛选方法研究*

物流预测指标的筛选是物流需求预测工作的首要步骤。对港口吞吐量及其影响因素进行了分析,提出了预测指标的筛选原则和筛选方法,并以广西北部湾港口为例,利用2000—2008年的统计数据,采用灰色关联分析法和DPS数据处理软件工具求出各因素与港口吞吐量以及各因素之间的灰色关联度,最后根据筛选原则选出一组相关性强、结构合理的港口吞吐量预测指标。     

港口吞吐量变动的内在特征研究

以上海港为例,采用经验模态分解的方法对港口吞吐量的变化特征进行探讨。结果表明港口货物吞吐量具有3～4个月、准6个月、准1年、准2年、准6年的显著变化周期。分析后认为港口吞吐量这些变化特征和波动周期与社会生产和消费具有季节性、国民经济发展规律和宏观调控、国际贸易经济波动等有关。最后,分析指出了模态分解结果对实际工作的指导意义。     

基于主成分分析法的港口吞吐量内在影响因素研究

从可能影响港口吞吐量的若干因素出发,利用统计软件,采用主成分分析法提取最关键因素,基于太仓港的实证分析,剖析了港口吞吐量的内在影响机理,为未来太仓港的发展提供理论依据.     

宁波-舟山港集装箱吞吐量的SD 建模预测

港口集装箱吞吐量预测问题具有多因素非线性相互作用构成的高阶次、复杂时变系统特征。基于该特征,引进系统动力学建模法建立了宁波-舟山港集装箱吞吐量模型,利用环境、经济、进出口贸易、港口及集疏运5个子系统的非线性相互作用,反映多种不确定因素对港口集装箱吞吐量的影响。应用该模型预测了宁波-舟山港2010—2020年集装箱吞吐量,取得了较好的结果。     

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.     

最优组合预测方法在内河港口吞吐量预测中的应用

港口吞吐量的预测是港口规划过程中最为基础也最为关键的一步,只有对港口吞吐量做出准确、稳定的预测,才能做出科学合理的港口发展规划。由于内河港吞吐量历史数据有限,文中采用GM(1,1)和Verhulst模型的最优组合模型对港口吞吐量进行预测。该组合模型充分利用GM(1,1)模型“少数据,短期预测准确”的优点,又针对GM(1,1)预测量的无限增大趋势,引入了Verhulst模型进行组合修正,进而提高预测值的准确、稳健性。