用海港规范公式计算大型石油码头通过能力存在的缺陷和弥补方向

在工程实践中发现,目前测算装卸油品码头年通过能力所用的《港口总平面设计规范》中有关规定的理论条件与实际情况之间有一定的偏离。笔者试图分析这种偏离可划属的理论范畴和可能的纠正方向。     

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。     

用遮帘桩型式改造三峡库区大件设备运输码头

三峡库区大件运输具有临时性、短期性的特点,大件码头的建设大都采用老码头加固改造的方式.通过对三峡库区现有码头结构特点和库区水文条件的分析,提出用遮帘桩型式的改造方案,并对改造方案的结构稳定性进行了计算分析.遮帘桩型式改造三峡库区大件运输码头,结构稳定性能够满足要求,同时结构对航道的通航能力不产生影响,是一种可以应用到三峡库区及其他山区河流水库大件运输码头改造的方案.     

港口集装箱运输与区域经济发展互动关系研究——以长江三角洲港口群为例

利用生产函数增长模型及灰色关联分析方法,探讨了长三角地区港口集装箱吞吐量与区域经济之间的互动关系,定量计算两者之间存在的关联度及港口生产指标对于经济增长的贡献,对长三角港口群与区域经济协调发展进行针对性分析.     

神经网络模型在港口吞吐量预测中的应用与误差分析

应用神经网络BP算法对杭州港的吞吐量预测实例进行了详细分析。通过对网络各种参数的调试与组合得出,当隐含层节点数为15,训练控制误差为0.035,分级迭代级数为4级,平滑因子参数为0.2,学习速率参数为1.5时,网络性能最佳。将网络预测结果与时间序列和回归分析2种方法进行了比较,得出神经网络方法在短期预测中要优于传统方法。通过对模型预测误差产生原因的简要分析,得出神经网络方法并不适用于吞吐量长期预测。最后对其应用过程中可能存在的一些问题提出了建议。     

浅谈冷藏集装箱船货舱通风设计

本文介绍了风冷和水冷两种冷藏集装箱船的货舱通风设计。     

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。     

出口型煤炭码头封闭式堆场通过能力研究

针对出口型煤炭码头封闭式堆场在设计通过能力时存在的问题,基于离散事件动态系统理论,建立该类型码头物流系统的概念模型,并进一步建立系统的仿真模型,通过仿真试验研究堆场筒仓数量和容量与码头通过能力的关系.模型经过实际检验,具有重要的工程应用价值.     

危险品运输货舱通风的优化设计

采用计算流体动力学（CFD）方法，用AIRPAK软件对10000TEU级集装箱船中的一个货舱在不同工况下的舱内通风效果进行模拟，从而合理的选择风机，达到最优化设计的目的。     

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.