基于支持向量机的集装箱船航次配箱量的预测方法

集装箱船航次配箱量预测对集装箱码头管理和集装箱船配载具有重要意义。首先利用支持向量机(SVM)理论建立非线性回归模型,然后分析影响航次配箱量的因素,利用历史数据作为学习预测的样本,用训练好的回归模型对新的数据进行预测。实际计算结果表明:同BP神经网络预测模型相比,该预测模型具有良好的泛化能力及准确的预测结果。

基于B-P神经网络的集装箱安全配箱量预测

针对航运企业在经营中不可忽视的问题———集装箱安全配箱量 ,建立其B P神经网络模型 ,并针对实际问题多角度进行训练、学习和预测 ,取得了理想的预测结果。

LNG罐式集装箱陆海联运配箱量优化模型

以企业利润最大为目标,建立LNG罐式集装箱陆海联运配箱量优化模型.针对LNG不宜久存于罐式集装箱及罐式集装箱成本高、租金贵等特点,引入惩罚函数和决策变量,进一步优化罐式集装箱的运作效率和满足不同偏好决策者的需求.同时,基于LNG的安全储运,引入罐式集装箱安全储运时间约束.最后,借助LINGO优化软件,实例验证所建模型.结果表明,该模型可以很好地应用在LNG陆海联运罐式集装箱配置优化实践中.