组合模型在港口集装箱吞吐量预测中的应用

根据某港的集装箱吞吐量的历史数据,分别利用时间序列的三次指数平滑法、改进的GM(1,1)残差模型以及组合预测方法对某港的集装箱吞吐量进行了探讨,并对未来几年某港集装箱吞吐量进行了预测.结果证明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值以及误差的标准差分别为4.5208,0.0343,49.5161,都小于单独用三次指数平滑法或改进的GM(1,1)残差模型时的平均绝对误差、平均相对误差绝对值以及误差的标准差,达到最优的精度等级.     

基于灰色马尔科夫模型的深圳港集装箱吞吐量预测

为了更准确的预测港口集装箱吞吐量,以深圳港2003-2017年集装箱吞吐量数据为基础,通过数学方法将灰色预测模型和马尔科夫预测模型两种数学模型结合起来,建立灰色马尔科夫模型,然后利用灰色预测模型与灰色马尔科夫模型分别进行深圳港集装箱吞吐量的预测计算。结果表明:灰色马尔科夫预测模型能大幅降低波动性较大的时间序列的预测误差,尤其适用于中长期的预测;同时,传统的灰色预测GM(1,1)模型的预测精度也得到明显提高。根据建立的预测模型,计算出了深圳港2018-2020年的集装箱吞吐量预测值。     

基于云模型的厦门保税船用燃油需求短期预测

为了准确预测厦门保税船用燃油需求量,首先,构建厦门保税船用燃油需求云模型,预测供需平衡条件下2020年厦门保税船用燃油需求量。选取外贸集装箱吞吐量、集装箱吞吐量、厦门GDP 3个指标作为输入变量,构建logistic回归预测模型。对厦门保税船用燃油需求量进行预测,将两种模型的预测结果与2020年厦门保税船用燃油实际值进行比较,结果显示,基于云模型的厦门保税船用燃油需求预测比logistic回归预测模型更精确。最后,选择云模型对2021年厦门保税船用燃油需求量进行预测。     

改进型BP神经网络的港口吞吐量预测

为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来三年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来三年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差叠加,具有较好的适用性。     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

THE PATTERN, FUNCTION AND DEVELOPMENT OF THE LOWER CHANGJIANG RIVER CONTAINER PORT SYSTEM

旨在探讨长江下游集装箱港口体系的基本格局、功能结构与发展特征．文章首先阐述了全球集装箱运输的基本格局和长江下游集装箱港口体系的发展现状;然后通过对该集装箱港口体系的流量、流向结构分析,认为现阶段该港口体系仍属东亚一些大型远洋集装箱枢纽港口的支线港群,体系内部的职能分工机制开始发育,但尚不完善;最后采用系统动力学模型对长江下游集装箱港口体系的集装箱吞吐量进行了预测,预测结果表明,该集装箱港口体系的发展现状远不适应形势发展的需要,未来该港口体系将形成以上海港为中心枢纽港、江苏四港为干线喂给港的相互协调、功能互补的远洋集装箱枢纽港群     

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。     

基于灰色理论的福州港货运吞吐量预测分析

文中在描述福州港地理环境、外贸基础设施建设以及统计了福州港近几年港口的吞吐量作为预测的基本数据;介绍了本文采用的预测方法—灰色模型GM(1,1)的理论基础和建模方法.采用了灰色模型,预测了福州港和福建省港口未来五年的货物吞吐量的预测值,提出福州港应利用自身优势建立国际物流中心来应对未来货物吞吐量俱增的对策,对福建港口物流业的发展具有借鉴意义.     

组合模型在深圳港货物吞吐量预测中的应用

根据深圳港货物吞吐量的历史数据,分别利用时间序列的三次指数平滑法、GM(1,1)灰色预测模型法以及组合预测法对深圳港货物吞吐量进行探讨,并对未来几年深圳港货物吞吐量进行预测.结果表明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差的绝对值,都小于单独用三次指数平滑法或GM(1,1)灰色预测模型法时的平均绝对误差、平均相对误差的绝对值,可以降低误差,提高预测精度.     

集装箱吞吐量及主要影响因素的计量经济分析

利用近年来的相关数据对港口集装箱吞吐量、港口所在城市的国民生产总值以及地方进出口商品总值进行了计量经济分析,通过二元线性回归模型对港口未来集装箱吞吐量进行预测,并对模型进行了相关检验,为港口岸线资源的合理开发与利用提供决策依据,为港口未来发展以及定位提供参考.     

深圳港基于BP神经网络的集装箱预测模型

运用BP人工神经网络建立了深圳港集装箱吞量的预测模型，得出深圳港2001－2005年的集装箱吞吐量，研究结果表明，该预测方法具有很强的学习与泛化能力，预测结果对深圳港的发展有较强的借鉴作用，可以提高深圳港处理运量的能力。     

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.     

基于径向基神经网络的集装箱吞吐量组合预测

利用上海港国际集装箱吞吐量的历史数据,分别采用灰色预测法和三次多项式曲线模型建立了单项预测模型.利用径向基（RBF）神经网络对两个单项预测模型结果进行了组合预测,以作为其最终的预测值.实验结果表明,采用组合方法比采用单一预测方法的预测精度有了进一步的提高.最后,应用马尔可夫链预测模型对组合预测结果进行分析,增加了结果的可信性.     

上海港国际集装箱运输系统规划

综合两种灰色模型得出上海港集装箱吞吐量发展水平的预测值．选取3条主要的国际航线，分别是上海-美国、上海-欧洲、上海-日本，建立单航线单船模型，用黄金分割法进行船型优选．以此为基础，从系统工程的角度结合港、航、船、货4个方面，对上述航线上的船舶进行优化配置，给出船队发展规划，从而为上海国际集装箱枢纽港的建设提供参考．     

港口建设规模优化研究

按系统分析方法研究了运输系统中各种费用项目对货物转运费的影响程度,科学合理地选取费用项目,建立了港口规模优化模型,根据模型的特点和各参变量的物理意义及其相互关系导出了港口最优规模必须满足的条件,给出了利用相对比较简单的“爬山法”寻求最优解的方法和具体步骤。与以往的研究成果相比,该优化模型考虑的因素更全面、求解更方便。结合实例分析提出了厦门港应该优先发展万吨级以上深水泊位、改造小船泊位以提高其靠泊能力的港口发展战略,给出了2010年厦门港的最优建设规模,为厦门港的建设与发展提供了决策依据。     

灰色GM（1,1）模型在厦门市人口预测中的应用

采用较传统模型更简便、可行、精确度高,无需典型概率分布,可减少时间序列随机性的灰色GM（1,1）模型,对厦门市2000—2010年的人口进行预测,与现实数据相比,相对误差为0.78%,预测精确度较高.因此模型对未来10年厦门市人口发展的规模、水平和趋势进行预测,以促进厦门市的总体规划和持续发展.     

长江外贸集装箱运量预测和码头装卸工艺优选

本文利用新陈代谢ＧＭ（１，１）模型、二次指数滑动平均法、计量经济学模型３种预测模型对上海港进行了外贸集装箱吞吐量的预测，并结合考虑长江各主要港口在共同航线上的运量分配及航线运量占该港吞吐量的比重，对各港口进行了外贸集装箱吞吐量和主要航线运量预测。然后，运用多目标决策理论中的线性分配法与层次分析法，分析了不同运量水平下港口装卸工艺系统的优选问题，并利用外贸集装箱的预测结果，得到了这些港口装卸工艺的优