港口吞吐量预测的系统动力学模型构建

将系统动力学方法运用于港口吞吐量预测，可以较好地解决传统预测方法中考虑因素较少的问题，在对港口系统主要因素及因果关系分析的基础上，建立港口吞吐需求量及供给量系统动力学模型，并采用南京港各相关统计数据对模型进行了仿真和验证，结果证明该模型有效可行．     

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。     

一种新的支持向量回归算法及其在集装箱吞吐量预测中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地对应解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。文章提出了一种新的基于单参数的Lagrangian支持向量回归算法,并将该算法应用在集装箱吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在集装箱吞吐量预测中的有效性和实用性。     

港口吞吐量影响因素分析

从我国港口建设现状谈起,提出影响港口吞吐量的几大要素:地理位置、腹地经济、政策与环境、港口通过能力和集疏运系统,并阐述每个因素的含义和重要作用,然后用这几大要素对三大环渤海湾港口——大连、天津和青岛进行实例分析,对三大港口发展提出了具体措施与建议。     

大型连续布置煤炭泊位装船能力影响因素分析

分析大型煤炭码头装船能力的主要影响因素,对等待排放压舱水、系统效率、移舱作业等的影响提出对策、措施,并重点分析、论证泊位数量、装船线数量匹配关系对装船能力的影响,提出泊位数量与待泊泊位数量配比的合理化建议。以黄骅港工程为依托,结合该研究成果提出了合理的码头布置方案。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过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,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。     

提高三峡船闸通过能力的船舶运输组织方案

为提高三峡船闸的通过能力,分析了船闸通过能力影响因素,提出提高一次过闸平均吨位是提高三峡船闸通过能力的主要途径,进而提出从提高闸室水深利用和闸室面积利用两个角度来提高一次过闸平均吨位,优化船舶运输组织,即优化船型和过闸船舶组合.研究结果表明,在现有条件下,一次性过闸船舶的组合是2艘5 000t机动船和一个一顶三的驳船队（每驳船载重1 000t）的船队组合,可在闸室水深利用最大化和闸室面积利用最大化的双重提下提高三峡船闸通过能力.     

基于BP神经网络的厦门港集装箱吞吐量预测研究

厦门港是我国东南沿海的集装运输基本港口.集装箱吞吐量的预测是港口制定发展规划的重要依据.在研究了常用的输入数据归一化方法之后,提出了新的归一化方法.该方法能加快BP神经网络的训练速度并提高精度.运用BP神经网络建立了厦门港集装箱吞吐量预测模型,并计算出2020至2024的集装箱吞吐量预测值.无论从拟合值,还是预测值检验来看,该方法都具有很高精度.     

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．     

蒙西至华中线、向莆线对福建港口煤炭运输影响分析

用综合分析的方法,从服务对象、运输能力、运输经济、煤炭贸易等多个方面,就蒙西至华中铁路、向莆铁路 建成后,对福建港口煤炭吞吐量的影响进行了分析。