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。

基于灰色马尔科夫模型的温州港货物吞吐量预测

温州港地处东南沿海黄金海岸线中部,在过去的40 a里,温州港从单一小港,跃升为全国沿海主要港口和国家综合运输体系的重要枢纽,逐步融入全球贸易。为了更好地帮助温州港有关部门和港口企业进行港口生产运营与建设规划指导,首先,建立了基于灰色马尔科夫的港口货物吞吐量预测模型,对温州港货物吞吐量的趋势和变化进行研究;然后,利用温州港2002—2022年货物吞吐量数据对建立的模型进行验算,结果表明,优化后的灰色马尔科夫预测模型较单一的灰色预测模型精度更高,优化后模型的平均相对误差约为2.1%;最后,对温州港2023—2027年的港口货物吞吐量进行预测,预测结果表明:温州港货物吞吐量呈现逐年波动上升的趋势,这一态势将对温州港的战略定位与长远发展规划产生深远影响,并将进一步推动温州港集疏运体系构建、深水泊位建设和港口辐射网络水平的提升。

基于灰色预测模型的舟山港集装箱吞吐量预测

随着经济全球化的快速发展,港口运输在经济的发展中发挥着越来越重要的作用。本文选取浙江舟山,港作为研究对象,立足于其2006—2022年的集装箱吞吐量的相关数据,采用灰色GM(11)数学模型对舟山港未来三年的集装箱吞吐量进行预测,随后用指数平滑法进行二次预测来验证预测结果,从而使预测结果可靠性更高,最后根据预测结果为宁波舟山港的发展提出相应的发展建议,以期对舟山港的可持续性发展有所贡献。

基于机器学习算法的港口货物吞吐量组合预测研究

港口货物吞吐量数据具有复杂的非线性和非平稳特性,准确的预测可为港口建设和未来规划提供重要参考。基于分解—集成的思想,使用X12季节调整法将原始货物吞吐量时间序列数据分解成季节、趋势和随机分量,根据各分量特点分别训练加入注意力机制的长短时记忆网络(LSTM)、卷积神经网络(CNN)和支持向量回归(SVR)三种基准模型对港口货物吞吐量进行组合预测。

基于GM(1,1)和KPCA-GA-BP的宁波港煤炭吞吐量预测

煤炭吞吐量是宁波港运营效率的重要指标之一,对港口物流运输规划和资源配置具有重要参考价值。通过灰色预测GM(1,1)、GA-BP以及KPCA-GA-BP等3种预测模型,对宁波港域的煤炭吞吐量进行预测,并与实际值进行比较和误差分析。结果表明:KPCAGA-BP神经网络模型在宁波港域煤炭吞吐量预测中表现出良好的性能,预测精度高于GM(1,1)灰色预测模型和GA-BP模型,可用于港口煤炭吞吐量的预测。

GWO-Elman模型在港口货物吞吐量预测中的应用

港口作为国内国际贸易的重要枢纽,在新时代区域经济发展中具有重要的战略地位。为提高港口货物吞吐量的预测精度,使用差分法、灰狼优化(GWO)算法和Elman神经网络模型对2010—2019年青岛港货物吞吐量进行了训练与预测。基于所收集到的时间序列数据,将其作为样本数据输入Elman神经网络模型进行训练与测试;在训练过程中,引入灰狼优化(GWO)算法来优化Elman神经网络的权重(w)和神经元阈值(b);将GWO-Elman组合模型应用于青岛港货物吞吐量预测的实证研究中。结果证明:GWO-Elman算法模型相较于传统Elman神经网络模型,在预测货物吞吐量时有着更高的收敛速度与预测精度,这为港口货物吞吐量的预测提供了一种新的计算方法。

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。

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。

基于RF算法改进BP神经网络的港口吞吐量预测

为提高港口吞吐量预测的合理性和准确性,采用随机森林算法(RF)改进BP神经网络,建立一种基于多变量输入的RF-BP模型,实现对国内10座沿海主要港口总吞吐量的预测。首先采用随机森林算法对多变量输入数据进行特征提取,提高模型的鲁棒性和准确性,筛选出重要特征;然后通过BP神经网络进行回归预测,充分发挥其拟合能力和泛化能力;最后将预测结果与单变量BP神经网络模型、多变量BP神经网络模型、Arima算法等做对比。结果表明,多变量RF-BP神经网络预测的吞吐量数据误差更小,预测结果更加精确。上述模型提高了港口吞吐量数据预测的准确性,对于提升港口应对市场需求的能力、支撑港口战略决策、优化货物运输流程、促进区域经济发展都具有重要意义。

港口吞吐量预测分析探讨——以潼南港为例

近年来,重庆港相继建成了主城果园、寸滩等一批规模化、专业化码头,港口规模效应显著增强,但支流航运建设推进缓慢,距建成“服务+辐射”型长江上游航运中心的目标仍有较大差距。随着《重庆港口总体规划(2035年)》规划出台,涪江正在建设双江航运枢纽工程,富金坝、安居、渭沱等枢纽已经启动船闸升级改造工程,嘉陵江井口枢纽已提上建设议程,未来涪江将以三级航道的标准接入嘉陵江。

基于FGM-SVR组合模型的港口吞吐量预测

为提高港口吞吐量的预测精度,建立基于分数阶累加GM(1,1)预测模型FGM(1,1)和支持向量回归(support vector regression, SVR)的组合预测模型进行港口吞吐量的预测。首先,分别运用FGM(1,1)模型和SVR模型对吞吐量进行预测;然后,针对传统组合模型赋权不能兼顾各单项模型在各时点预测能力强弱的问题,提出基于诱导有序加权平均(induced ordered weighted averaging, IOWA)算子的赋权方法进行组合预测;最后,以重庆港2005—2020年港口货物吞吐量为数据样本进行实例验证,分别使用FGM(1,1)模型、SVR模型和赋权后的组合模型进行港口吞吐量预测,并比较3种模型的预测精度;最后,分别使用这3种模型对2021—2024年港口吞吐量进行了预测。研究结果表明:基于IOWA组合预测模型的均方根误差、平均绝对误差和平均绝对百分比误差均明显小于各单一预测模型。该组合模型可以为港口吞吐量预测提供一种新的方法。

基于改进灰色马尔可夫的港口货物吞吐量预测研究

为了提高港口货物吞吐量的预测精度,以宁波舟山港为例对灰色马尔可夫组合预测模型进行了优化研究。首先,用中国统计年鉴中宁波舟山港货物吞吐量的历年数据建立灰色GM(1,1)模型;其次,对模拟误差值用一阶马尔可夫链进行修正并确定误差的转移状态,建立复合灰色马尔可夫预测模型;最后,用粒子群算法对该复合模型进行迭代寻优并优化改进,使模型能够根据实际情况对每个灰区间分别进行分析计算,并实时动态更新其区间参数;最终,提高改进后的模型误差精度。结果表明,用粒子群算法改进的灰色马尔可夫模型误差均值下降了37%,预测值与实际值的拟合度更高,预测结果更符合实际情况。

基于灰色预测模型的深圳港吞吐量预测

自深圳市融入“一带一路”倡议以来,深圳港吞吐量呈快速发展之势,但同时吞吐量增长过快导致港口基础设施不堪重负,因此对吞吐量规模的测算和吞吐量发展趋势的研究,具有十分重要的意义。利用2018-2021年深圳港货物吞吐量和集装箱吞吐量数据,运用EXCEL、MATLABR2018b和数学建模方法,建立灰色预测GM(1,1)模型并进行检验,证明模型可用,并对深圳港2022-2026年货物吞吐量与集装箱吞吐量进行预测。

陆岛交通码头吞吐量预测——以珠海市万山群岛为例

交通问题一直是海岛发展的关键问题。作为岛屿联系大陆、岛屿之间交通联系的重要通道,陆岛码头是海岛发展的重要保障,为海岛居民交通出行、海岛物资补给以及其它客货运需求提供了有力支持。笔者以珠海市万山群岛为例,研究分析陆岛交通码头的吞吐量预测思路和方法,为陆岛码头发展建设提供参考。

基于系统动力学的港口吞吐量预测模型

将系统动力学方法应用于港口吞吐量预测模型,考虑了各种主要因素对港口吞吐量的影响,较好地解决了港口吞吐量预测方法中考虑系统因素较少的问题以及经济、社会发展水平的不确定性等影响港口吞吐量预测所产生的误差问题。采用宁波市港口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。

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.

三次指数平滑法预测大连港货物吞吐量

根据大连港近年的货物吞吐量数据分析，发现大连港货物吞吐量与时间呈二次曲线变化趋势，分析各种预测方法的特点及适用范围，选择三次指数平滑法，根据1996～2007年历史数据，对今后三年的大连港货物吞吐量进行预测，得出到2010年，大连港货物吞吐量将达到2．8亿吨，超出规划数值．建议加快大连港基础设施建设，完善集疏运体系，以应对大连港货物吞吐量的快速增长．

基于MATLAB的ANFIS网络在水运货运量预测中的应用

阐述了自适应模糊推理系统 ( Adaptive Network-based Fuzzy Inference System,ANFIS)网络 ,提出了水运货运量预测的 ANFIS网络预测模型 .以 MATLAB为工具 ,以 1 985～ 2 0 0 1年我国水运货运量为训练样本 ;2 0 0 2年我国水运货运量为校验样本 ,对网络进行训练后 ,预测了 2 0 0 3～2 0 1 0年我国水运货运量 .估算结果表明 ,同 BP神经网络模型相比 ,此模型具有更高的准确性 .

利用回归预测技术进行港口吞吐量预测的方法研究

以某港口近15年的货物吞吐量作为原始数据,采用回归分析技术,建立回归预测模型,得到预测结果,为港口的发展战略研究提供一定的技术支持。

基于UTA^(GMS)方法的内河港口竞争力排序

为全面地进行内河港口竞争力排序问题研究,采用UTAGMS方法并结合极限排序分析(Extreme Ranking Analysis,ERA)和蒙特卡洛仿真法,对我国长江干线16个内河港口竞争力进行实证分析,给出每个港口的最好排名和最差排名以及全部港口的参考全序.根据结果给出提升我国内河港口竞争力的建议.该方法既可为我国内河港口决策提供依据,也可为相关研究开拓思路.