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。     

基于灰色神经网络的港口集装箱吞吐量预测模型研究

为降低港口集装箱吞吐量的预测误差,提高预测精度,在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的基础上,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。     

基于组合模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量的历史数据,分别利用三次指数平滑法、灰色CM（1,1）模型以及组合预测方法对集装箱吞吐量进行探讨,有益于预测未来几年港口集装箱吞吐量。结果证明：组合预测模型融合了前两种预测方法的优点．其平均绝对误差、平均相对误差绝对值都小于单独用三次指数平滑法或GM（1,1）模型时的平均绝对误差、平均相对误差绝对值,达到最优的精度等级。     

基于组合模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量的历史数据.分别利用三次指数平滑法、灰色GM(1,1)模型以及组合预测方法对集装箱吞吐量进行探讨,有益于预测未来几年港口集装箱吞吐量.结果证明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值都小于单独用三次指数平滑法或GM(1,1)模型时的平均绝对误差、平均相对误差绝对值,达到最优的精度等级.     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.     

成都双流机场旅客吞吐量的预测研究

机场旅客吞吐量是衡量一个地区发展的重要标志,也是实现机场资源有效配置的根据。因此,精确地预测机场旅客吞吐量对机场规划和建设具有重要的意义。选用2005—2017年的成都双流机场旅客吞吐量作为数据,首先,建立ARIMA模型和灰色预测模型并进行预测。然后,在此基础上运用赋权法对两种模型进行组合,形成灰色-ARIMA组合预测模型。最后,将3种模型的预测结果与实际值进行比较。结果证明,组合模型的预测平均绝对误差低于另外两种模型,具有较好的预测效果。     

基于自适应滤波改进算法的大连港吞吐量预测

为了有效对大连港港口吞吐量进行预测,引入自适应滤波算法,利用MATLAB仿真模型构建未来港口吞吐量预测模型,其中包括实验模拟过程,技术原理及理论模型。预测结果由改进的自适应滤波算法得到,结合设置的不同的增幅等级,进行不同程度的校正。结果表明,通过模型设定的小误差,选择4个权重,通过迭代运算得到最佳权重,然后应用于下一组数据进行预测。研究表明:使用改进后的自适应滤波算法港口吞吐量预测值的方差和标准差分别从改进前的0.019 899、0.141 064提升到改进后的0.008 172、0.090 399,说明该模型能够有效预测随后几年的港口吞吐量。     

PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

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.     

基于随机森林算法的港口集装箱吞吐量预测方法

为助力智慧港口建设,针对港口集装箱吞吐量预测准确性不足的问题,利用随机森林算法处理高维变量,构建一种港口集装箱吞吐量预测方法.首先考虑港口集装箱吞吐量受复杂环境影响,建立特征变量训练集;再通过泛化误差分析训练随机森林模型,根据MDA分析对特征变量重要性进行分析,筛选重要影响特征变量集合;最后构建随机森林预测决策树,建立基于随机森林算法的预测模型.以大连港为案例进行验证,并与三次指数平滑、多元回归分析和BP神经网络3种方法预测进行对比,结果表明:随机森林算法预测准确性更高.     

基于EMD方法的我国主要海港货物吞吐量变化规律研究

利用经验模态分解（EMD）方法对近10年来我国沿海主要港口货物吞吐量变化的内在规律进行了研究．结果表明：（1）EMD方法能有效的揭示港口货物吞吐量变化的一些内在规律,如吞吐量变化的季度、半年、年和多年周期;（2）进入21世纪以来,我国港口吞吐量增长势头强劲,但2009年后明显受到金融危机的影响．     

�����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.     

考虑碳排放的港口全要素生产率及影响因素分析

基于我国沿海19个港口2009-2018年面板数据,结合DEA(Data Envelopment Analysis)方法和方向距离函数,同时考虑非期望产出构建港口全要素生产率模型,并采用面板数据模型厘清影响港口全要素生产率的内外因素。模型运行结果表明：中国主要沿海港口的全要素生产率都有不同程度的提高,且货物吞吐量大的港口GML(Global Malmquist-Luenberger)指数不一定高;中国主要沿海港口的技术效率有所降低,但技术进步都有所提高;五大港口群中东南沿海地区、长江三角洲地区和西南沿海地区GML均值较稳定,环渤海港口群和珠江三角洲地区不稳定,时高时低;中国主要沿海港口GML指数除受内部因素影响,还与货物进出口总额有关,货物进出口总额增长率每增长1个百分点,港口GML指数提高0.049242个百分点。     

����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。     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

基于乘积ARIMA模型的城市轨道交通进出站客流量预测

基于城市轨道交通自动售检票（Automatic Fare Collection,AFC）系统采集的进出站客流的历史数据,构建乘积差分自回归移动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型,实现对进出站客流量的精确预测.通过自相关和偏自相关函数进行数据的平稳性和周期性分析,消除趋势性和周期性特征影响;考虑到处理后数据的周期性和短期相关性之间的乘积关系,构建乘积ARIMA进出站客流预测模型,并以广州地铁各车站进出站客流量数据为例进行了模型的参数标定.模型预测值与实际值的对比分析显示该模型的平均绝对百分误差保持在5％以内,表明该模型具有很高的预测精度和良好的适用性.     

Spreadsheet方法在港口吞吐量预测中的运用

在港口的经营计划中,吞吐量计划是其他计划编制的基础.文中提出了在港口吞吐量预测中运用趋势预测技术,采用正交函数系作最小二乘拟合建立数学模型,然后应用Spreadsheet建模和求解,得到一条三次拟合趋势曲线,并用实例证明了该方法的有效性.     

指数平滑法在滑坡抢险工程中的应用

指数平滑技术是进行预测决策的有效方法,文章首先对指数平滑模型作了简单的介绍,然后根据某滑坡的实际情况,对部分监测点位移进行了建模和预测,预测结果表明,预测值与实际观测值之间的误差很小,说明此模型可很好地应用于滑坡位移预测,可为施工决策提供可靠的依据.     

指数平滑法在滑坡抢险工程中的应用

指数平滑技术是进行预测决策的有效方法,文章首先对指数平滑模型作了简单的介绍,然后根据某滑坡的实际情况,对部分监测点位移进行了建模和预测,预测结果表明,预测值与实际观测值之间的误差很小,说明此模型可很好地应用于滑坡位移预测,可为施工决策提供可靠的依据.     

基于组合预测理论的交通事故预测研究

提出一种适用于道路交通事故预测的组合预测模型。实例计算分析表明组合预测比单一预测技术的预测效果更好,在交通事故的预测问题方面具有一定的应用价值。