组合预测在港口吞吐量预测中的应用研究

以某港口1996—2002年吞吐量为原始数据,按照“误差平方和最小”的准则,把一元线性回归模型和GM(1,1)模型组合起来,对某港口2004—2008年的吞吐量进行了组合预测。     

厦门市港口物流发展趋势预测及战略定位

文中根据厦门市的近几年的港口经济统计报告数据,通过灰色系统和回归分析方法来综合预测厦门港口物流的吞吐量,在预测数据基础上来制定厦门港口物流战略定位。     

对"利用回归预测技术进行港口吞吐量预测的方法研究"一文的商榷

对《水运工程》2004年第四期的“利用回归预测技术进行港口吞吐量预测的方法研究”一文中的回归预测模型提出了不同意见,建立了新的模型,使模型能更全面充分地说明问题,并使得到的结果更为精确,更有说服力,从而为港口的发展战略研究提供更好的技术支持。     

泉州港集装箱吞吐量预测与战略分析

港口集装箱吞吐量的预测不仅是一个关乎港口如何采取应对措施的重要环节,而且是港口发展战略与发展规划的重要组成部分。泉州港集装箱运输近些年取得了长足的进展,但也存在一些问题。本论文运用回归分析法对泉州港的集装箱吞吐量进行了预测,基于预测的结果对泉州港口未来的发展战略进行了系统分析。     

组合预测技术在港口吞吐量预测中的应用研究

以某港口近15a的货物吞吐量作为原始数据，在采用回归分析法和3次指数平滑法预测今后10a港口吞吐量的基础上，以“误差绝对值之加权和最小”作为最优准则，建立组合预测模型，用单纯形表法解出加权系数，得到预测结果。     

内河港口货物吞吐量预测方法研究

在对港口货物吞吐量预测方法进行简单总结的基础上,结合某内河港口吞吐量实例,采用回归分析法、弹性系数法、二次指数平滑法等预测方法对港区货物吞吐量进行了综合预测,经与相关资料对比分析,表明其预测结果是合理的。本文提出的预测方法,可以为其它同类型港口的货物吞吐量预测提供参考。     

基于回归分析法对广西贵港港集装箱吞吐量的预测

根据对贵港港集装箱运输发展条件和现状进行分析,运用回归分析法对贵港港集装箱吞吐量进行预测,预测数据为未来港口建设、及以贵港港为核心港口的集装箱物流业的发展起到重要借鉴作用。     

组合预测模型在上海内河港口吞吐量预测中的应用

建立时间序列和二元线性回归的组合预测模型,对上海内河港口2010年、2015年和2020年的货物吞吐量水平进行了预测。研究发现,组合预测模型相比单个预测方法具有较高的精度,能够较准确地预测上海内河港口货物吞吐量。     

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。     

三次指数平滑法在港口吞吐量预测中的应用

港口吞吐量是港口发展战略研究的重要内容。正确预测港口吞吐量,对于合理科学的港口布局、基本设施投资规模、营运策略、发展战略以及与集疏运相关的综合运输的规划是十分重要的,并且事关港口经济腹地国民经济的发展和我国在国际经济中的竞争力,所以意义特别重大。在进行港口吞吐量的预测时,过去人们常采用回归分析法和二次指数平滑法等方法。本文提出了在港口吞吐量预测中采用三次指数平滑法预测技术,并用一个实例证明了方法的有效性。     

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。     

组合预测在港口吞吐量预测中的应用研究

以某港口1998~2004年吞吐量为原始数据,按照“误差平方和最小”的准则,把移动平均法和GM(1,1)模型组合起来,对某港口2006~2010年的港口吞吐量进行了组合预测。     

基于并联型灰色神经网络模型的港口吞吐量预测方法探讨

港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。     

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。     

基于组合模型的天津港吞吐量预测

根据天津港货物吞吐量的历史数据,分别建立有关该港吞吐量的回归预测模型、Logistic生长曲线模型以及组合模型。通过比较3种模型的平均相对误差,可以证明组合模型的平均相对误差最小。运用组合模型预测港口吞吐量可以降低误差,提高预测精度。     

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。     

Forecasting container throughput based on wavelet transforms within a decomposition-ensemble methodology: a case study of China

To improve predictive accuracy, new hybrid models are proposed for container throughput forecasting based on wavelet transforms and data characteristic analysis (DCA) within a decomposition-ensemble methodology. Because of the complexity and nonlinearity of the time series of container throughputs at ports, the methodology decomposes the original time series into several components, which are rather simpler sub-sequences. Consequently, difficult forecasting tasks are simplified into a number of relatively easier subtasks. In this way, the proposed hybrid models can improve the accuracy of forecasting significantly. In the methodology, four main steps are involved: data decomposition, component reconstruction based on the DCA, individual prediction for each reconstructed component, and ensemble prediction as the final output. An empirical analysis was conducted for illustration and verification purposes by using time series of container throughputs at three main ports in Bohai Rim, China. The results suggest that the proposed hybrid models are able to forecast better than do other benchmark models. Forecasting may facilitate effective real-time decision making for strategic management and policy drafting. Predictions of container throughput can help port managers make tactical and operational decisions, such as operations planning in ports, the scheduling of port equipment, and route optimization.     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.