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。

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。

北部湾港集装箱吞吐量突破800万标箱

2023年12月31日上午9点38分,随着泉州安通物流“仁建5”轮正在作业的一个集装箱吊装上船,北部湾港年集装箱吞吐量首次突破800万标箱,连续七年保持两位数增幅增长,增速位列全国沿海主要港口前列,这也标志着北部湾国际门户港、国际枢纽海港建设取得重大进展,服务国家、自治区战略和区域经济发展能力进一步增强。事非经过不知难,成如容易却艰辛。北部湾港从2020年首超500万标箱,2021年超600万标箱,2022年超700万标箱,到今年完成800万标箱,一年实现一次跨越,这些成绩,凝聚着北港奋斗者的心血和汗水.

来宾港集装箱吞吐量首次突破12万标箱

2023年以来,来宾市港航发展中心积极推动辖区集装箱运输业的繁荣发展,取得了显著成效。截至2023年12月底,来宾港集装箱吞吐量成功突破12万标箱,创下来宾市建市以来的历史新高。为促进集装箱运输业的发展,来宾市港航发展中心主动作为,加大力度宣传集装箱班轮优先过闸政策。在此基础上,积极引导和服务航运企业,开辟来宾港始发至珠三角各港口的集装箱班轮航线,为增加辖区集装箱吞吐量奠定了坚实基础。

10万标准箱!解密下沙港开港首年集装箱吞吐量快速攀升之道

2024年7月30日,随着满载集装箱的“浙港内河015号”轮驶离码头,下沙港累计完成集装箱吞吐量10万TEU,助推杭州地区内河港口枢纽能级进一步提升。作为杭甬运河二通道上重要节点项目,下沙港是继东洲港之后,杭州地区第2个集装箱吞吐量超10万TEU的内河港口。在浙江加速推进世界一流强港建设、加快现代化内河航运体系建设的发展机遇下。

天津港集装箱吞吐量突破2200万标准箱

图为现代赫尔辛基轮在天津港全球首个“智慧零碳”码头作业,随后装载着京津冀及内陆腹地的货物前往欧洲多个国家。

基于TEI@I方法论的香港集装箱吞吐量预测方法

本文以汪寿阳(2004)提出的TEI@I方法论为指导,提出了香港集装箱吞吐量预测的一种研究框架。采用季节AR IMA和VAR等计量经济模型、径向基神经网络技术,以及不规则事件的量化方法,建立了一个香港集装箱吞吐量的综合集成预测模型。数据实证显示这种预测模型具有较好的预测精度和稳健性。此外,通过VAR模型的建立和G ranger因果检验,指出沿海港口的发展对香港有重要的影响,香港港口发展应该注意区域竞争和协作问题。

基于改进GM(1,1)模型的上海港集装箱吞吐量预测

为提高港口集装箱吞吐量的预测精度。以上海港2007-2015年集装箱吞吐量数据为基础,引入弱化算子理论对灰色GM(1,1)模型原始数据进行预处理建立改进GM(1,1)模型,分别应用传统模型和改进模型对上海港集装箱吞吐量进行预测,比较两种模型的预测精度及曲线拟合度。结果表明:改进模型弱化了原始数据的随机性,可很好地降低预测误差,显著提高传统灰色GM(1,1)模型的预测精度和拟合度。

基于时间序列分析的港口集装箱吞吐量预测分析

集装箱运输是现今国际运输的主要方式之一,长期监测港口集装箱吞吐量并对未来趋势进行相关的预测研究,对于港口基础设施建设、区域经济发展以及国家战略发展方面都有着非常深远的意义。本文针对影响港口集装箱吞吐量复杂性因素的非线性特点,以中国某港口2001年1月至2014年12月共14 a的集装箱吞吐量数据为例,利用统计分析软件R对该港口集装箱吞吐量数据进行时间序列分析,提出了一个合理的ARIMA模型来描述集装箱吞吐量的变化,并对模型进行检验优化,应用该模型预测十个月后的集装箱吞吐量数据。结果表明,利用统计分析软件R对港口集装箱吞吐量数据进行时间序列分析后得到的预测模型可以很好的描述港口集装箱吞吐量变化情况,据此可以为港口在不同时期制定最优措施提供参考。

基于遗传规划方法的集装箱吞吐量预测

在对现有各种预测方法进行简要回顾的基础上 ,对遗传规划方法进行了研究 ,提出了应用于集装箱吞吐量预测的计算模型和相关参数的确定方法 ,并完成了算法设计和编程工作 .在此基础上 ,以宁波港集装箱吞吐量的历史数据为样本 ,开展了预测计算试验 ,找到了能够反映宁波港目前集装箱吞吐量发展规律的样本集 ,并对宁波港未来九年的集装箱吞吐量进行了预报 .结果表明 ,本算法合理、改良自动化程度高 ,为解决集装箱吞吐量等非线性系统预测提供了一条新的途径 .

基于灰色模型的上海港集装箱吞吐量预测

运用灰色预测法预测上海港未来3年的集装箱吞吐量.根据上海港集装箱码头的具体情况计算其通过能力,再通过产能利用率指标判断上海港集装箱码头是否面临产能过剩的问题.结果表明,上海港集装箱码头不存在产能过剩问题.最后提出在现有码头设施条件下提高产能的建议.

季节性变动影响下的上海港集装箱吞吐量预测

港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度数据中出现的季节性波动进行了处理,采用季节时间序列模型对其进行预测.为了说明方法的有效性,以同样的数据,使用整自回归移动平均模型对上海港集装箱吞吐量进行预测.两种方法预测结果进行对比发现,利用季节时间序列模型对港口集装箱吞吐量季节性进行处理,能够提高港口集装箱吞吐量的预测精度.

基于GM(1,1)模型的宁波港国际集装箱吞吐量预测

港口及其集装箱吞吐体系是一个灰色系统,因此可以用灰色系统模型对港口集装箱吞吐量进行预测。本文根据宁波港历年国际集装箱吞吐量数据,运用GM(1,1)模型,预测宁波港今后几年的国际集装箱吞吐量,为科学规划宁波港及其发展提供依据。

基于NARX神经网络的港口集装箱吞吐量预测

为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测.通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型.实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性.训练后的网络误差小且拟合度高,具有良好的泛化能力,预测性能较好.

基于RBF神经网络的港口集装箱吞吐量动态预测

针对港口集装箱吞吐量在时序上的复杂非线性特征,用自相关分析技术分析时间序列的延迟特性,确定神经网络的输入向量维数;用差分法对数据进行预处理,去除缓变部分,并在一定程度上减少随机噪声;引入延时内部反馈,构造基于径向基函数(RBF)网络的动态预测模型,并用大连港集装箱吞吐量实际数据进行了验证.结果表明:该模型拟合精度和预测精度高,具有很好的预测能力和应用价值.

改进的RBF神经网络在港口集装箱吞吐量预测中的应用

本文首先分析了RBF神经网络结构的基础,指出基函数中心的确定是影响网络精度的重要因素。在分析常用中心确定算法的基础上,提出了一种改进算法,给出了算法的具体实现过程。并将改进的RBF算法用于对港口集装箱吞吐量的预测评价,应用成果表明此优化神经网络用于集装箱吞吐量预测结果更加合理,精度有很大提高,有着广泛的应用前景。

基于时间序列BP神经网络的集装箱吞吐量动态预测

集装箱吞吐量预测是港口发展规划制定的依据。在MATLAB环境下,把时间序列BP神经网络应用于港口集装箱吞吐量的预测,采用逐步递归的方法进行,同时注意尽量减少训练样本的浪费(只用1个检验样本)和充分挖掘BP神经网络适合短期预测的潜力。无论是从拟合情况,还是预测值的检验和港口发展规划的实际情况来看,都有着很高的精度,可以作为集装箱吞吐量预测的一种行之有效的方法。

港口集装箱吞吐量影响因素研究

针对港口集装箱吞吐量预测中重要指标难以选取的问题,从可能影响港口集装箱吞吐量的因素出发,采用主成分分析法,提取最关键影响因素。分别选取我国三大区域中的上海港、青岛港和广州港进行实证分析。这些影响指标的提取,将为三大区域构建港口集装箱吞吐量预测模型提供重要参考。

基于最优组合预测模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量非线性增长等特点,建立了三次指数平滑预测模型、灰色系统预测模型及BP神经网络预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了以测试数据的预测误差绝对值加权和最小为最优化准则的最优组合预测模型,采用线性规划的方法确定最优组合的权系数。最后,给出一个实例进行应用和分析。