三次指数平滑法预测大连港货物吞吐量

根据大连港近年的货物吞吐量数据分析,发现大连港货物吞吐量与时间呈二次曲线变化趋势,分析各种预测方法的特点及适用范围,选择三次指数平滑法,根据1996～2007年历史数据,对今后三年的大连港货物吞吐量进行预测,得出到2010年,大连港货物吞吐量将达到2.8亿吨,超出规划数值.建议加快大连港基础设施建设,完善集疏运体系,以应对大连港货物吞吐量的快速增长.     

广州港货物吞吐量和引航船舶总数预测--基于协整检验与 ARMA 模型

利用广州港货物吞吐量和引航船舶总数的历史统计数据,基于时间序列计量分析技术构建和选择ARMA预测模型,对2010—2020年广州港货物吞吐量和引航船舶总数进行预测,探索广州港未来货物吞吐量和引航船舶总数发展变化的规律与特征。     

三次指数平滑法预测大连港货物吞吐量

根据大连港近年的货物吞吐量数据分析,发现大连港货物吞吐量与时间呈二次曲线变化趋势,分析各种预测方法的特点及适用范围,选择三次指数平滑法,根据1996～2007年历史数据,对今后三年的大连港货物吞吐量进行预测,得出到2010年,大连港货物吞吐量将达到2．8亿吨,超出规划数值．建议加快大连港基础设施建设,完善集疏运体系,以应对大连港货物吞吐量的快速增长．     

灰色系统理论在港口吞吐量预测中的应用

应用灰色系统预测理论，以GM(1，1)模型和残差修正GM(1，1)模型对港口货物吞吐量和集装箱吞吐量进行预测，可有效克服原始数据的离散性，在少信息的情况下得到高精度的预测结果．以武汉港货物吞吐量和集装箱吞吐量为例进行了中短期的预测，并对集装箱吞吐量的预测结果进行残差检验和残差修正．结论表明，通过残差修正后的预测精度均可达到最优的精度等级．     

基于最优线性组合的港口集装箱吞吐量预测方法

以某港1981～1999年集装箱吞吐量为实测数据,建立其集装箱吞吐量的趋势外推、时间序列平滑、回归分析和灰色系统等预测模型.对比该港2000～2005年集装箱吞吐量各模型预测值与实际值的差异,分析了差异产生的原因及其单一预测模型的局限性,提出了基于最优线性组合的港口集装箱吞吐量预测法.以原各单项预测模型的预测值作为外生变量,以方差绝对值之加权和最小作为最优准则,建立线性组合预测模型,用单纯形表法解出加权系数,进行外推预测,并验证了方法的有效性.     

汕尾港货物吞吐量灰色关联分析

为分析汕尾港货物吞吐量和汕尾市经济及航运业发展的关系，进行灰色关联分析.建立汕尾港口货物吞吐量、汕尾市GDP、汕尾港登记机动船净载重吨序列，计算序列间的灰色关联度.计算使用了灰色绝对关联度、灰色相对关联度、灰色综合关联度.计算结果显示，汕尾港货物吞吐量序列与汕尾GDP序列灰色关联度较高，与汕尾登记机动船净载重吨序列灰色关联度较低.这意味着汕尾港口的发展与汕尾市经济发展关系紧密，但汕尾港口货物吞吐量的增长没有带动汕尾登记机动船净载重吨的增长.     

新环保形势下绍兴港诸暨港区水运运量预测

通过对绍兴港诸暨港区水运货源相关行业进行调研, 结合诸暨市经济产业发展情况, 将实际情况与货物吞吐发展趋势相结合, 对诸暨港区未来的港口吞吐量进行综合分析预测。 为之后诸暨港区的总体规划提供相应的支持。     

基于改进灰色马尔可夫的港口货物吞吐量预测研究

为了提高港口货物吞吐量的预测精度,以宁波舟山港为例对灰色马尔可夫组合预测模型进行了优化研究。首先,用中国统计年鉴中宁波舟山港货物吞吐量的历年数据建立灰色GM(1,1)模型;其次,对模拟误差值用一阶马尔可夫链进行修正并确定误差的转移状态,建立复合灰色马尔可夫预测模型;最后,用粒子群算法对该复合模型进行迭代寻优并优化改进,使模型能够根据实际情况对每个灰区间分别进行分析计算,并实时动态更新其区间参数;最终,提高改进后的模型误差精度。结果表明,用粒子群算法改进的灰色马尔可夫模型误差均值下降了37%,预测值与实际值的拟合度更高,预测结果更符合实际情况。     

基于Elman神经网络的港口货物吞吐量预测

为提高港口货物吞吐量的预测精度,进而为港口建设提供数据支持,引入具有处理动态信息能力的Elman神经网络。将Elman神经网络应用于宁波舟山港的货物吞吐量预测,采用前6个月数据递归预测后一个月数据的方式构建时间序列数据,同时与BP神经网络以及RBF神经网络的预测结果进行分析比较。结果表明:在港口货物吞吐量预测方面,相比于BP神经网络以及RBF神经网络,Elman神经网络更能适应吞吐量数据随时间变化的特性,其预测值更接近实际值,其预测性能更优,且更能体现港口实际状态。     

基于FGM-SVR组合模型的港口吞吐量预测

为提高港口吞吐量的预测精度,建立基于分数阶累加GM(1,1)预测模型FGM(1,1)和支持向量回归(support vector regression, SVR)的组合预测模型进行港口吞吐量的预测。首先,分别运用FGM(1,1)模型和SVR模型对吞吐量进行预测;然后,针对传统组合模型赋权不能兼顾各单项模型在各时点预测能力强弱的问题,提出基于诱导有序加权平均(induced ordered weighted averaging, IOWA)算子的赋权方法进行组合预测;最后,以重庆港2005—2020年港口货物吞吐量为数据样本进行实例验证,分别使用FGM(1,1)模型、SVR模型和赋权后的组合模型进行港口吞吐量预测,并比较3种模型的预测精度;最后,分别使用这3种模型对2021—2024年港口吞吐量进行了预测。研究结果表明：基于IOWA组合预测模型的均方根误差、平均绝对误差和平均绝对百分比误差均明显小于各单一预测模型。该组合模型可以为港口吞吐量预测提供一种新的方法。     

基于ARIMA-RBF神经网络的沿海港口吞吐量预测研究

在沿海吞吐量预测中，影响因素多且复杂，传统的计量经济模型很难得到满意的结果。针对此特点，提出一种组合预测模型，先后用ARIM A模型和RBF神经网络模型探求港口吞吐量历史数据的线性和非线性变化规律，最后将两者预测结果组合。对福建省港口货物吞吐量预测作为实例进行验证，结果表明，相对单一预测模型，该方法的预测精确度更高。     

基于BP神经网络的厦门港集装箱吞吐量预测研究

厦门港是我国东南沿海的集装运输基本港口.集装箱吞吐量的预测是港口制定发展规划的重要依据.在研究了常用的输入数据归一化方法之后,提出了新的归一化方法.该方法能加快BP神经网络的训练速度并提高精度.运用BP神经网络建立了厦门港集装箱吞吐量预测模型,并计算出2020至2024的集装箱吞吐量预测值.无论从拟合值,还是预测值检验来看,该方法都具有很高精度.     

机场旅客吞吐量预测的组合方法研究

为提高机场旅客吞吐量预测的准确性,在综合计量经济法和时间序列预测方法各自优点的基础上,采用组合预测方法,使用多元线性回归模型确定组合预测方法的权重.以北京首都国际机场1994～2004年的旅客吞吐量为例,组合预测方法的平均拟合误差为3.36%.结果表明:组合方法总体上具有较高的预测精度和稳定性,既优于传统的计量经济法,也优于时间序列预测方法.     

�����ÿ���������Ӱ�������Ԥ�ⷽ���о�

旅客吞吐量的预测对于机场的建设和管理具有重要的意义,而目前多数预测技术都不适用于我国尚不成熟的航空市场.本文从可能影响机场旅客吞吐量的若干因素出发,采用主成分分析法提取了最关键的因素,剖析了机场旅客吞吐量的内在影响机理,并且提出了基于影响机理的预测模型.以北京首都机场的旅客吞吐量预测为例进行了应用研究,采用趋势分析法对预测结果进行了检验.结果表明,模型能够较准确地预测出机场的旅客吞吐量.     

混合算法在港口吞吐量预测中的应用

文章利用主成分分析方法,提取出影响宿迁港口吞吐量的关键因子,在此基础上,提出了一种新的运量混合预测方法,即联合时间序列法和因果分析法;最后通过回归分析,给出了宿迁港口吞吐量与国内生产总值的关系,为宿迁港的发展和港口总体布置规划提供了一定的依据。     

浅析综合运输分析在公路建设项目交通量预测中的应用

公路、铁路、水运等运输方式共同构成区域综合运输体系,科学客观分析通道内的运输需求总量和运输方式以及各种运输方式之间的竞争协作关系是准确预测公路建设项目交通量的必要前提。以桓仁（辽吉界）至丹东（古城子）高速公路为例,探讨应用综合运输分析进行公路交通建设项目交通量预测的思路和方法,为公路建设项目的交通量预测提供可靠的支持。     

����BP����������Ԥ��ģ�ͼ����ڹ�·������Ԥ���е�Ӧ��

组合预测方法与单一预测方法相比可以提高预测的精度和稳定性，因此得到广泛的应用。本文首先概述了组合预测的基本思想，然后介绍了基于BP神经网络的组合预测模型，并以吉林省公路货运量为例给出计算实例，实例的预测结果非常理想，同时也用数理统计的方法证明了此模型的适用性。统计分析和实践都证明此模型的可行性和适用性，说明将此模型用于公路交通运输量预测是有效可行的。     

考虑土地利用性质匹配度的城轨客流分布预测

传统城轨站间客流分布模型较少考虑起讫点土地利用对客流分布的影响,当 站点周边土地利用发生改变时适用性变差,无法保持较好的预测精度,因此有必要构建 考虑站点土地利用及其站点间土地利用性质匹配度的客流分布预测模型.首先,基于站点 聚类分析土地利用性质与客流分布之间的关联性,构造性质匹配度指标;其次,综合考虑 站点土地利用、性质匹配度、终点站吸引量、运行时间等因素建立效用函数,结合客流数 据进行参数估计,构建基于目的地选择的轨道交通客流分布模型;最后,利用广州市轨道 交通客流量数据对其进行精度分析.结果显示,在站点土地利用性质未发生改变与改变情 景下全网站间客流分布量的平均绝对误差仅为29.30 和29.52 人,表明模型具有较高的预 测精度.     

土地利用模型在运量预测中的研究

随着我国社会主义市场经济体制的完善,传统计划经济时代的运量预测方法已经不能适应市场经济对运输业提出的要求.考虑到市场经济环境、运输服务性和价值尺度等因素对运量的影响,以及交通量与土地利用状况之间存在的辩证关系,基于应用节点土地利用模型进行区域交通量预测的思路,进一步分析运输生产具有的区域性质等特点,建立适用于区域交通量预测的节点土地利用模型,给出合适的模型求解算法,经实例证明,该模型可比其他预测方法取得更为精确的预测结果.