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。     

基于灰理论的港口吞吐量预测研究

港口吞吐量是港口建设的重要依据,有效预测港口吞吐量,才能使港口在海洋运输业中发挥重要作用。灰理论预测可以在少量信息、不完全数据的情况下,揭示港口吞吐量的发展变化特征,是研究港口吞吐量的有效工具。本文对上海港货物吞吐量进行研究的结果表明,应用灰理论对港口吞吐量建立灰色模型GM(1,1)进行短期预测,其结果有较高的实用价值。     

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。     

港口吞吐量预测方法探讨

通过某港实例，应用回归分析（曲线拟合）与自回相结合的分析方法建立港口吞吐量预测模型，通过几种方法的对比和验证分析，推荐采用对随机残差利用其自相关性建立的一阶自回归模型组成的叠合模型作为吞吐量预测模型。     

港口吞吐量计量预测分析

通过应用国际航运的派生需求理论和计量经济分析方法,采用计量经济学中时间趋势、对数等变量分析手段,新设计了一个能精确预测港口吞吐量的经济计量方程。通过使用该计量方程,并引用厦门港吞吐量历年数据,采用两种不同的计量技术方法对厦门港2005～2008年的集装箱吞吐量进行预测,两种方法的预测结果差异很小。论文同时对两种预测方法获得的预测结果进行了误差分析,并计算出误差结果。     

长三角地区港口吞吐量预测

国民经济和外向型经济的迅猛发展对港口的规划建设提出了新的要求,也给港口带来了新的发展机遇.在港口规划及可行性研究阶段,都需要研究、论证建港规模,而建港规模的确定是建立在港口吞吐量需求预测基础上的,预测港口吞吐量就成了港口项目前期工作中必须首先进行的工作.     

预测港口吞吐量方法的探讨

通过福建省港口的历史资料，探讨港口吞吐量的预测理论和方法，提出了6大货种分类法、预测结果采用动态结论形式，按货种划分直接腹地等吞吐量预测方法。     

基于组合模型的港口集装箱吞吐量预测方法

以某港1990~2003年集装箱吞吐量为实测数据,建立其集装箱吞吐量的和灰色系统等预测模型。对比该港2004~2006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,提出了基于组合预测的港口集装箱吞吐量预测法。对港港口集装箱吞吐量发展趋势进行预测,作为未来对港口岸线资源有效的开发利用,基础设施的合理规划、建设以及港口功能拓展的依据是很有必要的。     

基于Legendre基的港口吞吐量循环预测方法

港口吞吐量预测的精度对基本设施、投资规模、营运策略、发展战略及综合运输规划具有十分重要的意义。为提高港口吞吐量预测的精度,本文采用具有正交特性的Legendre基作为拟合的基函数。同时,为了进一步提高预测模型的精度,在不改变数据长度的前提下,本文提出了一种循环预测算法。最后,以实际统计资料为例,把本文方法与灰色模型的预测结果进行了比较,结果表明本文方法具有较高的预测精度。     

基于时间序列模型的港口集装箱吞吐量预测

针对集装箱吞吐量进行精准预测,已成为港口发展建设的重要一环。本文以广州港作为研究对象,选取2010.01-2017.12区间中96组数据作为原始数据。首先分析该时间序列的变动趋势特征;然后根据原始序列特征选取ARIMA模型进行预测,结果显示预测数值与实际数值的相对误差基本控制在10%以内,体现出模型的可靠性和精准性;最后对2019下半年广州港集装箱吞吐量进行预测,为港口运营提供参考价值。     

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。     

长三角主要港口集装箱吞吐量预测

1长三角主要港口腹地经济情况概述长江三角洲集装箱港口经济腹地是长江流域的七省二市(上海、江苏、浙江、安徽、江西、湖南、湖北、四川、重庆)组成的长江经济带,包括长三角沿岸的上海市和南通、苏州、无锡、常州、杭州、嘉兴、湖州、绍兴、台州、宁波、舟山;长江下游沿岸的南     

相同腹地港口集装箱吞吐量预测

从港口群的角度对港口集装箱吞吐量预测进行研究,解决港口腹地重叠情况下的港口集装箱吞吐量预测问题。通过分析港口吞吐量影响因素,建立广义费用函数,构建集装箱的广义费用最小模型,最后通过软件STAN计算出港口集装箱吞吐量。将该方法应用于上海国际航运中心货运集疏运系统集成优化研究和上海国际航运中心集疏运体系优化方案研究,预测其中3个港口在2015年和2020年的集装箱吞吐量。     

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。     

新建内河港口吞吐量预测方法

基于产销平衡法的基本理论,从港口腹地划分和运输需求特征出发,结合港口区位商的概念,提出一种较为实际的针对缺少历史数据的新建内河港口的吞吐量预测方法,并以商丘市为例,对其新建港口吞吐量进行预测。     

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。     

基于时间序列法及组合预测技术的港口吞吐量预测

本文研究了时间序列法及组合预测技术的相关理论及计算方法,结合实例验证了计算方法的可靠性,并利用时间序列法+组合预测技术对天津港至2030年的集装箱吞吐量进行了预测。     

基于GRNN神经网络的长江干线港口集装箱吞吐量预测

在长江集装箱货源市场调查分析的基础上,根据长江干线集装箱发展形势,结合长江干线港口发展情况及历年数据调查,考虑影响港口吞吐量预测的复杂因素,运用GRNN神经网络的优点,构建预测模型。预测结果证明,该模型在应用中是有效的,且当样本数据短缺时,预测效果也较佳。