基于GM(1,1)模型的广州港吞吐量预测研究

随着“一核一带一区”区域发展新格局深入推进,广州港货物吞吐量、集装箱吞吐量呈逐年递增趋势,但同时吞吐量规模增长过快导致港口基础设施承载超负荷的问题,因此对港口吞吐量规模的预测与研究,具有重要的应用价值。利用2015-2022年广州港货物吞吐量、集装箱吞吐量等数据,运用EXCEL软件和数学建模方法,建立灰色预测GM (1,1)模型,并分别对2023-2027年广州港货物吞吐量、集装箱吞吐量进行测算。结果表明:广州港货物吞吐量、集装箱吞吐量逐年增加,货物运输和集装箱运输均具有良好的发展潜力。这表明广州港在珠三角地区港航运输中发挥着举足轻重的作用,同时也反映出广州港在基础设施承载能力方面负担过重。

全国港口吞吐量首季“开门红”

交通运输部统计数据显示,今年一季度,全国港口货物吞吐量、集装箱吞吐量节节攀升,生产运营实现"开门红"。其中,完成货物吞吐量40.9亿吨、同比增长6.1%,内、外贸货物吞吐量同比分别增长4.6%、9.5%;完成集装箱吞吐量7 673万标箱、同比增长10%,内、外贸集装箱吞吐量同比分别增长8.5%和11.1%。

2024年中国港口吞吐量增长可能放缓,并存在下降风险

2024年2月18日,国际评级机构惠誉评级表示,由于全球外部需求和制造业疲软,2024年中国港口吞吐量增长可能放缓,并存在下降的风险。2023年第四季度,中国八个主要海港的货物吞吐量和集装箱吞吐量分别同比增长4%和6%。惠誉认为,增长的推动因素包括新航线。

基于时间序列RBF的大连港货物吞吐量预测

引言大连港是我国东北地区主要的海上门户。随着我国振兴东北战略的实施推进,港口货运量也随之增多,对港口建设和运营提出了新标准,因此,为提高港口作业效率和增强竞争力,精准预测港口吞吐量对于港口规划、建设及运营至关重要。目前,用于港口吞吐量的预测方法众多,其中最主要是灰色预测法[1]、回归预测法[2]、时间序列法[3]及神经网络法[4]。灰色预测法,对于数据量少的系统,效果显著。回归预测法对数据量少的样本拟合效果好。神经网络法有较强的非线性映射能力和适应能力,但需要大量的数据训练。时间序列法对于呈线性分布的数据能较好挖掘其规律,但需要较多的样本数据。由于预测模型间各有优劣,因此本文提出时间序列法与神经网络法相结合的时间序列RBF预测模型组合模型[5-6],结合两种模型的优点,同时弥补各自的缺点,有一定的先进性,旨在为港口货物吞吐量预测提供新方法。

面向中压直流配电网的模块化多电平电池储能系统电荷吞吐量抑制策略

模块化多电平电池储能系统(modular multilevel converter-battery energy storage system,MMC-BESS)中各子模块功率周期性波动,与其相连的电池组充放电状态频繁切换,产生额外的电荷吞吐量,危害电池储能系统寿命。当MMC-BESS用于中压直流配电网时,其交直流侧功率传输情况复杂多变,增大电荷吞吐量的抑制难度。因此,文中针对中压直流配电网中的MMC-BESS,提出一种基于二倍频环流注入的电荷吞吐量抑制策略。首先,构建中压直流配电网中MMC-BESS的数学模型;其次,剖析MMC-BESS电荷吞吐量的产生机理,分析不同运行方式下电荷吞吐量的影响因素;再次,提出基于二倍频环流注入的电荷吞吐量抑制策略,以系统总电荷吞吐量最小为目标,选取不同工况下需注入的最优二倍频环流分量;最后,多种工况下的仿真及实验结果表明,所提方法可有效抑制中压直流配电网中MMC-BESS的电荷吞吐量。

基于SWIPT的能量收集WSN吞吐量性能分析及优化

针对能量收集无线传感器网络(wireless sensor network,WSN)中的两跳多中继传输问题,构建无线射频能量站(power beacon,PB)辅助的能量收集无线携能通信(simultaneous wireless information and power transfer,SWIPT)中继模型.在中继节点具有捕获源节点、环路自干扰和PB信号能量的特性下,推导目的节点采用选择式合并(selection combining,SC)、最大比合并(maximal ratio combining,MRC) 2种不同接收策略下的中断概率和吞吐量,继而在保障通信服务质量(quality of service,QoS)、PB发射功率、能量转化效率等多约束条件下,提出一种以吞吐量最大化为目标的联合优化时隙切换因子与功率分配因子的中继选择算法.仿真和数值结果显示:PB发射功率、时隙切换因子、天线数目、功率分配因子等参数对系统中断概率和吞吐量性能影响显著;当给定PB发射功率为6 dBW,天线数目为3根时,与随机中继选择算法和最大最小中继选择算法相比,本文算法在SC策略下的系统吞吐量增益分别为0.29、0.15 bit/(s·Hz),MRC策略下的吞吐量增益分别为0.32、0.16 bit/(s·Hz).

考虑时序特征的深圳港集装箱吞吐量组合方法预测

集装箱吞吐量预测对港口企业运营及决策具有重要的作用。传统集装箱吞吐量预测方法存在预测精度不高的缺点。为解决这一问题,提出了一种考虑季节性和不确定性的SARIMA-XGBoost组合预测方法。针对集装箱吞吐量的季节性特征,选取季节性自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)捕捉周期性特征和线性特征;针对集装箱吞吐量中的不确定性因素,选取极致梯度提升树算法(extreme gradient boosting,XGBoost)自适应学习时间序列数据中的复杂模式和非线性特征。通过选取优化指标并计算分配权重的方式实现了预测模型中线性和非线性特征的有效融合,从而提升预测精度。通过对深圳港2013—2022年集装箱吞吐量月度数据进行实证研究和对比分析,结果表明SARIMA-XGBoost组合方法预测精度最高、稳定性好,验证了该组合方法在集装箱吞吐量预测中的有效性。

基于时间序列分析的港口货物吞吐量预测研究

港口货物吞吐量是衡量企业生产经营活动的重要依据,体现地区的经济活力与国际贸易潜力。为更准确地预测港口货物吞吐量,本文针对上海港2013年至2022年间集装箱吞吐量变化特征进行量化分析,使用时间序列研究方法对上海吞吐量发展趋势作出精准化预测。对时间序列的平稳性与模型合理性进行进一步验证,减少时间序列历史数据非线性、非平稳性特点产生的预测误差,提升港口吞吐量预测的准确性和科学性,为实现生产效率与资金投入的科学化统筹提供基础数据支撑。

计算机网络多址接入信道有效吞吐量智能预测方法

以往的多址接入信道有效吞吐量智能预测方法由于仅计算了多址接入信道的单个信息增益,导致方法的预测效果不佳。因此,设计了计算机网络多址接入信道有效吞吐量智能预测方法。通过对计算机网络多址接入信道的特性分析,获取相应的信道数据,并对数据进行优化处理,由此对多址接入信道进行表征分析。根据分析结果,计算信道的时间相关性和状态方程,并构建对应的观测方程,计算出信道数据的多个信道增益,由此实现对多址接入信道有效吞吐量的估计。通过计算信道有效吞吐量的预测值,并对预测值进行优化,实现对信道有效吞吐量的预测。在实验测试中,和以往的多址接入信道有效吞吐量智能预测方法相比,设计的计算机网络多址接入信道有效吞吐量智能预测方法在实际应用中拟合程度更高,预测效果更好。

今年1—7月长江干线港口完成货物吞吐量超22亿吨

2024年长江干线运输生产稳中有增、客运市场活跃稳健、多式联运发展强劲,长江黄金水道支撑构建新发展格局“主动脉”作用全面增强,服务沿江经济社会发展“主支撑”能力显著提升。2024年1—7月,长江干线港口完成货物吞吐量22.6亿吨,同比增长4.3%;集装箱吞吐量1 522万TEU,同比增长3.4%;集装箱铁水联运量36万TEU,同比增长21%;引航船舶载货量2.7亿吨,同比增长2.3%。长江干线航道通航畅通有序,武汉至安庆河段最小维护水深正式提高至6米,三峡、葛洲坝船闸计划性停航检修如期完成,黄金水道通过能力持续提升。

基于遗传算法的无人机自组网吞吐量优化方法

在一些紧急情况下,无人机自组网可以为特定地域提供通信服务。无人机自组网中的每架无人机相当于一个路由器,通过无线链路形成一个网络,以实现中继通信的目的。吞吐量是一个重要的网络性能指标,无人机节点的位置对其有一定影响。首先从无人机位置和终端选择两个方面分析了无人机自组网吞吐量的影响因素;其次,建立了无人机自组网吞吐量优化的数学模型;再次,提出了一种基于遗传算法的无人机位置优化算法,使无人机网络的吞吐量最大化;最后,使用Matlab从性能、位置约束半径(PCR)的影响和粒度半径(PSR)的影响三个方面对该算法进行了仿真。结果表明,通过控制无人机位置,吞吐量可以达到预期目标,优化速度与PCR和PSR有关。

基于组合预测的港口货物吞吐量分析——以长三角港口群为例

科学预判长三角港口群的发展趋势对加快建设交通强国、海洋强国的意义重大,而港口货物吞吐量的精准预测是促进港口发展的重要一点。为了提高预测的精准度,采取BP神经网络算法、灰色预测GM(1,1)模型和三次指数平滑法对2009-2021年长三角港口群的宁波舟山港、上海港、苏州港三大港口货物吞吐量进行分析,建立组合预测模型。结果显示,该组合预测模型降低了预测误差,提高了预测精准度,对长三角港口群发展具有一定的参考价值。

基于样本熵的港口集装箱吞吐量可预测性测度研究

港口吞吐量历史时间序列数据具有较强的随机性,而不同特征的时间序列数据的预测精度差异较大,由此产生了时间序列数据可预测性的测度问题。学术界认为,这种可预测性可以用熵进行描述。文章采用样本熵表征测度我国20个港口集装箱吞吐量时间序列数据的复杂性,然后运用自回归综合移动平均模型(ARIMA)预测港口吞吐量。结果表明,样本熵与其预测精度之间的相关性较弱,ARIMA模型对于港口生命周期处于“成长”阶段的港口或者大型港口的预测精度更好。研究结论有助于理解熵和时间序列数据可预测性之间的关系。

2004年长江干线港口吞吐量快速增长——集装箱吞吐量增幅接近30%,超过外贸吞吐量增长率8.5个百分点

2004年,国际经济环境较好,我国经济继续保持去年以来的快速增长势头,经济增长内生力量日益增强.

基于层次分析法的港口集装箱吞吐量影响因素分析——以南昌铁路局为例

科学合理捕捉影响港口集装箱吞吐量的关键因素对准确把握港口集装箱吞吐量发展态势具有重要意义。文章通过专家访谈、文献调查以及问卷调查,构建港口集装箱吞吐量影响因素体系。以南昌铁路局港口为研究对象,运用层次分析法分析自然地理、经济社会、基础设施、港口运营四个维度因素对南昌铁路局港口集装箱吞吐量影响的相对重要性,并结合南昌铁路局港口集装箱业务发展实际,提出科学可行的政策建议。

基于多元线性回归模型的黄骅港货物吞吐量的预测研究

黄骅港口位于环渤海经济圈中部,在北方港口中具有重要战略地位。深入探讨影响黄骅港货物处理能力的各种因素,并以此为基础进行预测,对于优化黄骅港口的未来发展具有重要意义。此外,研究货物吞吐量的预测有利于确定港口的未来走向、投资规模、基础设施建设等,对黄骅港口的合理布局、发展策略、泊位选址等有着深远意义。本文结合了黄骅港的现状和存在的一些问题,构建了黄骅港吞吐量影响因素指标体系,得出了黄骅港吞吐量的重要影响因素。基于这些重要影响因素,建立了多元线性回归模型,对黄骅港货物吞吐量进行预测研究。

基于分数阶灰色马尔可夫模型的港口货物吞吐量预测研究

预测港口货物吞吐量有助于港口管理者更好地了解港口的运作效率和运输流程,精确地规划港口的建设和发展,确保港口能够满足未来的货运需求。文章基于2011—2022年福州港货物吞吐量历史数据,利用分数阶灰色马尔可夫模型(FGM (1,1)模型)对福州港未来三年货物吞吐量进行预测。结果表明,与传统的GM (1,1)模型和FGM (1,1)模型相比,新的模型预测精度更高,预测值与实际值拟合度更高,预测结果可以为港口的总体布局、建设规模以及集疏运等配套设施的建设和经济的发展提供有力的支持。

基于GM-Markov模型的南宁吴圩国际机场货邮吞吐量预测

为帮助广西南宁吴圩国际机场科学制定货运相关政策并为机场管理部门提供科学的数据支持,以南宁吴圩国际机场2011—2022年货邮吞吐量数据为基础,构建序列累加生成数列,建立预测模型并进行模型误差分析及精确度检验。研究将灰色理论模型的相对误差划分为5个状态区间,分别应用灰色预测模型和灰色马尔科夫(GM-Markov)模型预测南宁吴圩国际机场2011—2022年的货邮吞吐量,并与实际吞吐量进行比较。研究表明:使用灰色理论模型,南宁市吴圩国际机场2011—2022年的货邮吞吐量预测平均误差为0.04;应用GM-Markov的方法,预测平均误差为0.008。显然GM-Markov预测模型要比传统的灰色预测模型的精度高,能大幅降低波动性较大的时间序列的预测误差,尤其适用于中短期的预测。由此根据GM-Markov预测模型,计算得出南宁吴圩国际机场2023—2026年的货邮吞吐量预测值。

基于灰色系统理论GM(1,1)模型的青岛港货物吞吐量预测探究

引言随着全球经济化的深入发展,港口在全球贸易方面起着重要作用。作为“一带一路”建设的关键节点,港口逐渐成为经济增长的核心力量。在“一带一路”倡议的推动下,在国家政策和战略的支持下,青岛被定义为新亚欧大陆经济走廊主要节点城市和海上战略支点,获得了“双定位城市”的称号。港口货物吞吐量的预测对于港口发展规划和制定指向性战略具有巨大意义。因此,对青岛港货物吞吐量进行科学预测尤为重要。

基于灰色BP神经网络的宁波舟山港集装箱吞吐量预测

为验证灰色BP神经网络组合模型在预测港口集装箱吞吐量预测中的有效性,以宁波舟山港为例,选取了2006-2020年港口集装箱吞吐量原始数据进行分析。首先运用灰色关联度法筛选出影响集装箱吞吐量的3个一级指标,共计13个主要因素;然后通过GM(1,1)模型得到主要因素预测值,再经BP神经网络训练后得到2021-2025年的港口集装箱吞吐量。实证结果表明,该组合模型预测拟合精度达到97.951%,预测效果较好,可对宁波舟山港未来建设和发展规划起到数据支持作用。