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。

基于速度观测器的欠驱动船舶自适应滑模控制

欠驱动船舶在海上航行时存在干扰未知、速度难以测量等问题,给船舶运动控制器的设计带来了困难。为解决上述问题,提出带积分滑模面的自适应滑模路径跟踪控制器,利用积分面的特性,设计切换函数。引入自适应律对外界海洋环境干扰及模型参数摄动进行在线补偿,结合改进的非线性观测器对难以测量的速度进行观测,利用Lyapunov理论对系统稳定性进行证明。最后,在模拟海洋环境下进行路径跟踪控制的对比仿真实验,证明了控制方案的有效性。

考虑碳排放和班轮联盟合作的航线网络优化模型

【目的】考虑到碳税的征收和班轮联盟运营成为主流,对该趋势下航线网络设计问题进行研究。【方法】采用合作博弈和逆优化理论,构建混合整数规划模型。该模型基于班轮联盟承运人之间的舱位交易活动,同步决策班轮航线网络设计方案、船队设计方案、航速方案、货物运输方案以及各承运人之间的舱位交易价格,该价格可确保各承运人按联盟整体收益最大的货物运输方案运营时,都能获得自身最大收益,从而确保了联盟合作的达成。采用遗传算法框架,设计模型的求解算法。【结果】基于亚欧航线实际运营数据,设置不同运价和碳税费率的案例,进行了灵敏度分析,结果显示不同情境下的航线网络方案中,碳税支出和联盟合作方案有所不同。【结论】运价对联盟网络结构和收益分配有明显影响:随着运价的提升,网络结构复杂性增强,市场份额高的承运人投资收益率更高;征收碳税明显改变了船舶运营策略:随着碳税费率的升高,船舶短途运输航程明显增加,承运人倾向于选择增加船舶数量,降低航速运营。