灰色模型在港口货物吞吐量预测中的应用

分析灰色模型预测的建模过程,并结合宁德港近年来的港口吞吐量数据对未来几年内此港口吞吐量进行预测,获得了可靠性较高的预测结果。     

海运港口货物吞吐量预测的PHQDF模型

针对目前国内外所使用的港口货物吞吐量的定量预测方法所存在的问题，依据经济计量学和控制理论的原理和方法，建立了一种新的预测海运港口货物吞吐量的动态ＰＨＱＤＦ模型，该模型系统地综合了海运货物吞吐量的历史变化趋势，腹地的社会经济发展状况及政治，政策，心理和技术等各方面因素，克服了以往预测方法的不足，通过实例验证，该模型具有较高的预测精度和较好的预测效果。     

集装箱吞吐量的灰色预测

通过建立集装箱吞吐量预测的GM(1．1)模型,并经过其在某港口的集装箱运量预测的运用检验,证明该模型精度较高,能够对港口货物吞吐量作出准确的预测。     

相同腹地港口吞吐量预测方法

以港口群的角度思考港口的发展与规划是当前港口规划的重要思路.作为港口规划重要依据的港口吞吐量预测也要从港口群的角度去计算.给出了从港口群角度分析预测群内各港口吞吐量的方法,即先采用常规的预测方法预测港口群的总吞吐量,再用层次分析法将这一总量分解到各港口.以长江三角洲集装箱港口群为例,预测了嘉兴港2010年以前的集装箱吞吐量.     

灰色支持向量机在机场吞吐量预测中的应用

在分析传统预测方法不足的基础上,利用灰色支持向量机组合分析模型,以实际值与灰色模型预测值的比值序列作为支持向量机模型的输入,选取径向基函数为核函数,并通过交叉验证法选取最优参数,利用支持向量机模型分析预测比值序列,最后通过灰色模型还原为货邮吞吐量的预测值.以上海机场货邮吞吐量为例,对灰色支持向量机模型进行了实证分析,并与灰色模型、支持向量机模型进行了对比.     

宁波市港口吞吐量影响因素研究

选取2005-2018年宁波市港口吞吐量数据及相关经济指标数据,对各类经济指标与港口吞吐量的数据做灰色关联度计算,得出关联度结果,并引用邓氏灰色关联度的检验模型对非邓氏灰色关联度模型的关联度结果做可信度检验.研究结果表明:外商投资、自营或口岸进出口、货运量、第二产业及第一产业对于宁波市港口吞吐量的发展具有较大的影响.基...     

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。     

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.     

贫信息状态下的集装箱吞吐量精确预测灰色模型

运用灰色系统理论，建立集装箱吞吐量的灰色预测模型，解决信息匮乏条件下决策依据问题，利用灰色预测模型预测了大连港未来7年的集装箱吞吐量，从预测结果来看，其历史实际值拟合度好，表明了模型具有较高的可靠性。     

灰色系统在港口油污染预测中的应用

本文应用灰色系统GM（1，1）模型，根据秦皇岛港周围海域1979－1987年监测数据，建立了其油污染预测模型。并预测出其变化趋势，为港口海城油污染防治规划提供依据。     

基于支持向量机回归的港口吞吐量非线性组合预测

提出了一种基于支持向量机回归算法的港口吞吐量非线性组合建模预测方法,并运用该方法进行了港口吞吐量预测,同时将该预测结果与其他方法的预测结果进行了比较．结果表明,该方法具有很强的学习及泛化能力,在处理具有一定程度的不确定性的非线性系统的组合建模预测问题时具有很好的应用价值．     

灰主成分分析研究及其应用

针对主成分分析方法对于具有时间序列数据的处理存在的不足,根据灰系统中数据具有时间序列的特性,将灰色系统思想与经典主成分分析相结合,提出一种新的模型,即灰主成分分析。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律,还可从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律。灰色系统理论通过序列的生成和开发,致力于现实规律的探讨,而数理统计则致力于统计历史规律的研究。将两种方法的优点结合到一起,用于解决时间序列问题,并利用面向对象程序设计的方法进行了系统实现。将该方法应用到我国国债风险指标的综合评价中,突出了新的时间序列数据对整个数据的影响性,分析结果能够为决策者提供有价值的决策依据。实验结果表明,采用灰主成分分析的效果更优越,能较真实地反映出时间对于样本数据的影响。     

海港复式航道通过能力动态系统仿真

基于SIMIO仿真平台,建立天津港航道系统仿真模型.采用Google Sketchup软件创建港口3D模型图像,与SIMIO仿真结果结合,使模型具有直观三维视觉效果.运用天津港2004年统计资料验证了仿真模型的可靠性.对天津港2011年全年全港船舶到港资料分析、拟合发现,2011年天津港船舶到港规律符合泊松分布.以天津港2011年基础设施情况和营运状况为模型约束条件,通过三组仿真试验,对比了复式航道实施前后天津港营运状况,分析了两种情况下的变化及其原因;给出不计泊位数影响前提下,双向航道及复式航道的极限通过能力;探讨了港口服务水平、泊位等待时间、锚地等待时间及航道等待时间等因素随船流密度变化的趋向.     

基于混合搜索算法的图像稀疏分解

为了提高图像稀疏分解的效果,降低其计算时间,提出一种基于量子进化算法(quantum-inspired evolutionaryalgorithm,QIEA)和改进差分进化算法(improved differential evolution,IDE)的混合搜索算法,并应用到图像稀疏分解中.该方法将1DE引入到QIEA中...     

基于混合搜索算法的图像稀疏分解

为了提高图像稀疏分解的效果,降低其计算时间,提出一种基于量子进化算法(quantum-inspired evolutionary algorithm,QIEA)和改进差分进化算法(improved differential evolution,IDE)的混合搜索算法,并应用到图像稀疏分解中。该方法将IDE引入到QIEA中,前期进行QIEA寻优,当寻优搜索到的最优解经过多次进化后没有变化时,引入IDE以提高搜索解的精度和质量。图像稀疏分解的仿真实验结果表明,与QIEA和IDE相比,混合搜索算法的图像稀疏分解方法获得的重构图像具有最好的图像视觉质量和最高的峰值信噪比,且具有相对较低的计算时间。     

混合遗传算法在叶片排序问题中的应用

在安装或更换发动机转子叶片时,不仅要使叶片组的质量分布相对平衡,同时也要满足一定的频率要求.本文将局部最优搜索融入遗传算法中得到混合遗传算法,基于混合遗传算法的局部优化和快速收敛特性,提出了一种求解转子叶片排序问题的新方案,按此方案排序可使转子同时满足质量和频率的两方面要求.     

基于Adaboost算法结合DEGWO-SVM的财务困境预测

针对支持向量机(SVM)在企业财务困境预测研究中存在参数选择困难、分类准确率低的问题,提出了一种新的Adaboost-DEGWO-SVM组合模型.首先,通过对2017年全部A股上市公司的财务数据进行数据预处理,提取1∶1的困境公司(ST)和正常公司组成建模数据集;然后,利用差分进化算法(DE)改进灰狼优化算法(GWO)来提高其全局搜索能力,以解决灰狼算法易陷入局部最优的问题,从而实现对SVM参数c和γ的寻优;最后,通过Adaboost算法提高了DEGWO-SVM模型的分类能力.实验结果表明,Adaboost-DEGWO-SVM组合预测模型具有明显的困境预测优势,与DEGWO-SVM相比,分类准确率提高了4.34%,Ⅰ类错误和Ⅱ类错误分别降低了0.043 5;与单一SVM相比,分类准确率提高了13.04%,Ⅰ类错误、Ⅱ类错误分别降低了0.130 4、0.130 5,是一种潜在的企业财务困境预测方法.     

混合算法在流量工程中的应用

针对大规模网络中的流量工程问题,设计了结合遗传算法与模拟退火以及结合遗传算法与爬山法的两种混合算法.仿真实验表明,结合遗传算法和模拟退火的混合算法在整体性能上较单独使用遗传算法有明显的提高,结合遗传算法和爬山法的混合算法在处理超大规模的网络和海量业务要求的流量工程问题时具有时间上的明显优势.     

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.     

混合量子算法在旅行商问题中的应用研究

针对旅行商问题(TSP)的特点提出了一种新的解码方式,结合了进化计算(EA)和微粒群算法(PSO)的思想,构造了独特的混合量子算法(HQA).为进一步提高算法的性能,构造了改进混合量子算法(IHQA).IHQA在更新个体时能够指导惯性权重进行动态变化,决定个体在下一代被吸引或扩散.经测试证明,两种混合算法均表现出强大的寻优能力,IHQA效率更高.