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。     

基于数据预处理GM（1，1）模型的深圳港集装箱吞吐量预测

根据深圳港历年集装箱吞吐量数据,采用原灰色模型和幂函数一指数函数对初始数据进行预处理的改进模型分别对深圳港集装箱吞吐量进行预测,经检验比较,进行数据预处理后的模型比原模型预测精度高.选用改进模型对深圳港2008-2010年集装箱吞吐量进行预测,得到未来深圳港集装箱吞吐量将继续增加、但增幅会减缓的结论.     

改进GM（1,1）模型在舰船维修费用预测中的应用

基于灰色系统理论,使用海军舰船维修费用历史数据建立初值修正的GM（1,1）模型,利用少量数据中的显信息和隐信息,避免复杂的相关关系,克服了原始数据的离散性,得到较高精度的拟合效果,并对海军舰船维修费用进行短期预测。将预测结果加入等维信息模型,对未来费用支出进行动态预测。结果表明：其精度优于传统模型。     

灰色GM（1，l）和Verhulst模型在吹填土地基沉降中的应用

在利用灰色GM（1,l）和Verhulst模型预测真空预压加固吹填土地基的最终沉降量时,建模序列直接影响预测结果的精度。结合某吹填土地基加固工程的沉降监测数据,探讨监测序列长度、建模序列长度对上述2种模型最终沉降量预测值及预测精度的影响,总结出不同模型预测地基最终沉降量时建模序列的选取规律。研究结果表明,上述2种模型预测地基最终沉降量的误差均小于1.0%,灰色GM（1,l）模型的适应性更好。     

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。     

优化的新陈代谢GM(1,1)模型在港口吞吐量预测中的应用

针对常规GM(1,1)模型存在的不足,尝试用优化的新陈代谢GM(1,1)模型来进行预测,并加以比较。结论表明:优化的新陈代谢GM(1,1)模型能够明显地提高预测精度,增加预测的可靠程度,从而为港口的发展战略研究提供一定的技术支持。     

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。     

基于NeuralProphet-LSTM组合模型的港口货物吞吐量预测

为进一步提高货物吞吐量预测准确性,提出基于NeuralProphet时间序列模型与长短期记忆(LSTM)神经网络的组合预测模型。首先利用NeuralProphet模型对港口货物吞吐量数据进行训练得到预测值并计算残差序列,然后对残差数据建立LSTM神经网络模型进行预报修正,重构得到最终的预测值。以上海港、厦门港的月度货物吞吐量数据为样本展开试验,结果表明,该模型能够有效地解决数据异常波动造成的预测结果误差大、预测效果不稳定等问题;相比于传统单一模型与LSTM-支持向量机(SVM)、Bi-LSTM等组合模型,NeuralProphet-LSTM模型预测精度更高,可帮助港航企业及时调整规划决策与经营策略。     

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。     

灰色系统理论论在香港口吞吐量预测中的应用

介绍灰色系统预测理论的基本原理，并结合港口吞吐量预测的实例以加说明。     

长三角港口货物吞吐量发展预测

介绍了长江三角洲港口群的范围,然后根据国家有关部门的规划,应用多种预测法,对上海港、江苏、浙江等主要港口货物吞吐量进行预测。     

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。     

港口货物吞吐量预测方法探讨

对常用的港口货物吞吐量预测方法进行了系统分析,并以重庆涪陵港为例,综合运用回归分析法、平均增长率法、弹性系数法、产销平衡法等定量预测方法和专家预测法等定性预测方法进行吞吐量预测,经与相关资料比较,表明其预测结果是合理的,同时本文采用的预测方法也可为其它港口的货物吞吐量预测提供参考。     

灰色预测模型在港口集装箱吞吐量预测中的应用

1 引言 多年来我国集装箱运输持续快速地发展,水路运输方面,已在沿海形成八大干线港口,集装箱运输正逐步向中西部延伸。随着未来经济的发展。港口还须进一步提高吞吐能力,港口集装箱吞吐量需求预测将越发重要。     

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。     

周期性残差修正GM（1.1）在海事直接经济损失预测中的应用

通过将建立的海事直接经济损失预测模型在某港口的运用检验,表明该模型精度较高,对海事直接经济损失的预测应用良好。