城市处理生活垃圾法规弊端分析及其改进措施

文章通过对西安市规制生活垃圾法律规章的认识以及对处理垃圾现状的调查,由小及大地分析了在各地法律规章中普遍存在的弊端,大胆提出了未来法律规章应当遵循的立法原则以及应当建立的法律制度。并且希望垃圾分装、统一收购、奖惩并举和调动个人与社会力量参与处理生活垃圾的主张能对未来立法有所裨益。     

我国集装箱运输发展综述

甲国2003年港口集装箱吞吐量继续呈高速增长趋势,全年完成港口集装箱吞吐量达4800万标箱,比2002年增长1100万标箱,首次超过美国,跃居世界第一位。有关部门统计,2003年中国港口集装箱吞吐量增幅为29．7％,达到4800万标箱,美国约为3970万标箱。2003年中国港口完成货物吞吐量26亿吨,其中,外贸货物吞吐量完成9亿吨,同比分别增长16．9％和21．6％。这是中国综合国力提高的表现,表明中国国民经济充满了活力。     

亚洲主要港口集装箱市场分析与启示

论述了亚洲主要港口集装箱运输市场的现状 ,分析了全球及中国经济发展的趋势 ,提出了今后开发集装箱运输市场的一些建议 .     

台风对在建深水防波堤的影响及修复

本文主要介绍某在建深水防波堤遭受台风正面袭击所受的损失及如何修复，并通过工程实践和模型试验验证和寻找解决办法。     

基于Shapley值法的港口冷链物流投资分析方法

从客户的角度出发,旨在建立一套与投资额度、客户满意程度相关联的港口冷链物流投资分析方法,为决策者在财务分析之外提供另一个分析视角。将港口冷链物流划分为冷藏存储、冷藏加工、冷藏运输、客户服务4个环节。首先利用层次分析法确定各个环节在整条供应链的权重,然后引入效用理论确定各个环节投资产生的效用,通过Shapley值法实现了各个环节在整条供应链权重和各个环节投资效用的有机结合,使得发展瓶颈随投资的变动而改变,从而更加符合实际情况。通过实例分析,此方法能够充分考虑投资效用的影响,也能够减少专家打分等定性方法产生的主观偏差。     

港口与运输方式及陆港联合选择的巢式Logit模型

为刻画托运人对港口、运输方式及陆港的联合选择行为,将港口费用、等待时间、班轮频率、货物价值、单次运量、运输成本、运输及通关时间、准班率、陆港服务作为效用变量,构建港口选择位于上层、运输方式及陆港选择位于下层的巢式Logit模型.基于辽宁部分城市集装箱托运人的RP/SP调查数据,对模型参数进行估计和检验.结果表明,低运量倾向选择公路运输,托运人对多式联运的运输成本、运输及通关时间比公路运输的更重视,对公路运输的准班率比多式联运的更重视,陆港服务对多式联运具有显著正向影响,巢式Logit模型比MNL模型具有更优的统计学特征.     

长江经济带战略背景下长江上游港口群发展

水运是长江上游省份进出口贸易和地区间物资运输的重要方式。首先,论述了长江上游内河航运地位的变迁和未来发展态势。改革开放以后长江作为东西向物流运输大通道的功能逐渐发挥,未来上游地区的江海联运仍然具有明显优势。其次,探讨了长江上游港口群的发展历史、发展态势及亟须协调的问题。主要港口由单一商贸功能向商贸加生产的综合功能转变,并通过多式联运积极拓展腹地,但港口生产能力过剩,且核心港区功能还有待加强。最后,对长江经济带战略背景下长江上游内河航运和港口群的发展提出建议,指出要加快形成港口群合力,建设重庆长江上游航运中心,完善核心港区功能。     

基于改进Shapley值的港口供应链融资联盟收益分配

港口产业生态圈建设的大背景下,港口主导、多方参与的港口供应链融资联盟能够有效推动港口供应链金融创新,助力产业发展.为解决融资联盟的收益分配问题,对传统的Shapley值法进行改进,综合考虑资源投入、风险承担、信息共享水平及客户吸引力4个影响因素,并运用经TOPSIS法修正后的云重心法确定收益分配修正值,从而弥补Shapley值法的不足.算例结果表明,改进的Shapley值法在港口供应链融资联盟收益分配过程中更具公平性和合理性,有利于联盟的稳定发展.     

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.