港口吞吐量数学预测模型的选用

合集下载

基于时间序列的港口货物吞吐量GRNN预测模型

基于时间序列的港口货物吞吐量GRNN预测模型

基于时间序列的港口货物吞吐量GRNN预测模型作者:周少龙,周锋来源:《上海海事大学学报》2011年第01期摘要:为准确进行港口货物吞吐量预测,采用逐步递归的方法,建立基于时间序列的港口货物吞吐量广义回归神经网络(Generalized Regression Neural Network, GRNN)预测模型.利用该模型预测某港口货物吞吐量,结果表明:对于小样本的短期预测,该模型具有适应性好、误差小等特点.关键词:港口;货物吞吐量;时间序列;广义回归神经网络;预测模型中图分类号:U691.71;TP183;O211.61文献标志码:AGRNN model for prediction of port cargo throughputbased on time seriesZHOU Shaolong, ZHOU Feng((School of Navigation, Wuhan Univ. of Technology, Wuhan 430063, China)Abstract: In order to predict the port cargo throughput accurately, the step-by-step recursive method is adopted to establish the Generalized Regression Neural Network (GRNN) model for the prediction of port cargo throughput based on the time series. The model is used to predict the cargo throughput of a port, and the results show that this model is of characteristics of good adaptability and small error, etc, for the short-term prediction of small sample.Key words: port; cargo throughput; time series; generalized regression neural network; prediction model0 引言科学合理地预测港口货物吞吐量是港口主管部门正确决策和规划的基础.目前,港口货物吞吐量的预测方法很多,常用的有BP神经网络[1]、回归分析法、指数平滑法[2]、灰色预测法[2]等.然而,上述方法都存在一定的局限性,即寻找其变化规律需要大量的统计数据.文献[1]对杭州港吞吐量进行预测分析,文献[2]对宁波港集装箱吞吐量进行预测研究,文献[3]利用生长曲线法对厦门港集装箱吞吐量进行预测分析,但上述各模型预测精度并不是很高,与各港口的实际情况存在一定差距.基于天津港历年数据,本文建立基于时间序列广义回归神经网络(Generalized Regression Neural Network, GRNN)的港口货物吞吐量预测模型,并利用该模型预测天津港货物吞吐量.结果表明该模型具有很好的拓扑性,收敛速度快、预测精度高、不易陷入局部极小值等优点,对小样本数据的船舶交通流预测有着很好的发展前景.同时,该模型能够很好地解决上述模型中预测精度不高的问题[4-5].1 GRNN原理GRNN是一种基于非线性回归理论的前馈式神经网络模型.[4-6]它通过激活神经元逼近函数,其结构见图1.图1 GRNN结构GRNN由一个径向基网络层和一个线性网络层组成:ai1表示第一层输出a1的第i个元素,iW1表示第一层权值矩阵W1的第i行元素;P表示输入向量,R表示网络输入的维数,S 表示每层网络中的神经元个数和训练样本的个数,b1为隐含层阈值;符号表示dist的输出与阈值b1的元素与元素之间的乘积关系.隐含层的传递函数为径向基函数,常用高斯函数Ri=exp-||x-ci||2δ2i作为网络的传递函数,式中光滑因子σi决定径向层i中基函数的形状,且σi越大,基函数Ri越平滑.GRNN的第二层为线性输出层,其权函数为规范化点积(nprod)权函数,用来计算GRNN的向量[WTHX]n[WTBX]2,并将[WTHX]n[WTBX]2输入线性传递函数a2=purelin[WTHX]n[WTBX]2,计算网络输出.GRNN连接权值的学习修正仍然使用BP算法.[7]由于网络隐含层节点中的基函数采用高斯函数,它作为一种局部分布对中心径向对称衰减的非负非线性函数,对输入信号会产生局部响应,即当输入信号靠近基函数中央范围时,隐含层节点会产生较大输出,说明该网络具有局部逼近能力;此外,人为调节参数少,只有一个阈值.网络学习全部依赖数据样本,可避免主观假定对预测结果的影响.2 预测模型设计基于多因素的GRNN预测以历年输出变量影响因素和未来年份预测变量影响因素为基础.由于未来年份的数据无法确定,因此必须融合其他预测方法,以便作进一步预测研究.建立基于时间序列的GRNN预测模型[6-8],该模型无须预测各影响因素,只对各预测变量作变换处理就可取得较好效果,因为数据本身就是各影响因素综合作用的结果.预测前需进行如下处理:(1)历年港口货物吞吐量就是历年各影响因素的综合反映,利用GRNN的超强非线性映射能力,对历年港口货物吞吐量情况作时间序列划分.(2)根据实际经验,一般前4年的港口货物吞吐量就能决定下一年的发展趋势[9],故采用前4年的港口货物吞吐量预测下一年的.同时,为保持动态性和合理性,采用逐层递归方法,在对未来年份港口货物吞吐量的预测中,舍弃历史较远数据,吸纳较近预测数据,使得输入始终为4 年的数据.(3)基于港口货物吞吐量的发展动态规律,用时间序列将历史数据划分为n-4组,每5年数据为1组, 前4年作为输入, 第5年作为输出.考虑到检验样本过多会使训练样本减少,网络泛化能力明显下降,严重影响预测精度;反之,如果检验样本太少,又无法达到检验效果,不能反映训练网络的预测效果.本文的训练样本为16组,故将前13组作为训练样本,剩余3组作为检验样本[9].用GRNN对训练样本的数据训练,并将训练好的网络保存,以便预测未来年份的港口货物吞吐量.这样,就能充分利用最新数据逐年预测,不断舍弃对预测影响不大的较远历史数据,及时补充较新数据,这也符合港口货物吞吐量的真实发展规律.在GRNN中σi决定i中基函数的形状,随着σi的增加网络误差不断增大.经多次测试表明,当σi为0.02时,网络逼近与预测性能最优、误差最小.3 天津港货物吞吐量预测3.1 历史数据处理由于利用原始历史数据进行预测时误差控制范围较大,为了有较好的数据处理能力,对数据进行归一化处理,本文采用将所有数据同除以1×105的方法,使其转化为0~1之间的数,以减小误差控制范围,便于预测.利用前述分组的方法对天津港1990—2009年间的港口货物吞吐量数据(见表1)进行归一化处理,其结果见表2.表1 1990—2009年天津港货物吞吐量万t年份19901991199219931994199519961997199819992000200120022003200420052006200720082009吞吐量2 0632 3782 9293 7194 6525 7876 1886 7896 8187 2989 58211 36912 90616 18220 61924 06925 76030 94635 59338 121资料来源:天津统计年鉴(2009)表2 归一化处理后的数据样本序列输入输出10.020 630.023 780.029 290.037 190.046 5220.023 780.029 290.037 190.046 520.057 8730.029 290.037 190.046 520.057 870.061 8840.037 190.046 520.057 870.061 880.067 8950.046 520.057 870.061 880.067 890.068 1860.057 870.061 880.067 890.068 180.072 9870.061 880.067 890.068 180.072 980.095 8280.067 890.068 180.072 980.095 820.113 6990.068 180.072 980.095 820.113 690.129 06100.072 980.095 820.113 690.129 060.161 82110.095 820.113 690.129 060.161 820.206 19120.113 690.129 060.161 820.206 190.240 69130.129 060.161 820.206 190.240 690.2576140.161 820.206 190.240 690.257 60.309 46150.206 190.240 690.257 60.309 460.355 93160.240 690.257 60.309 460.355 930.381 213.2 网络训练图2 1994—2006年吞吐量网络训练结果利用基于时间序列的GRNN模型对前13组样本的港口吞吐量归一化数据进行多次网络训练学习,其训练结果见图2.同时利用3次指数平滑法及时间序列BP神经网络对这13组数据进行拟合,结果见表3.通过对平均误差的比较可以发现,时间序列GRNN预测模型(尤其是2004年以后)的精确度相当高,因此可以利用该模型对天津港货物吞吐量进行预测,以达到预期的精度.表3 1994—2006年吞吐量拟合值及误差表年份原始数据/万t3次指数平滑拟合值/万t相对误差/%时间序列BP拟合值/万t相对误差/%时间序列GRNN训练值/万t相对误差/%19944 6524 476.817-3.765 84 842.9814.105 45 247.7512.806 319955 7875 020.498-13.245 25 527.719-4.480 45 615.203-2.968 719966 1885 624.926-9.099 56 684.1428.017 86193.1950.084 019976 7896 345.164-6.537 66 957.2962.479 06 764.065-0.367 319986 8187236.2766.134 95 992.57-12.106 07 446.249.214 419997 2988 353.32514.460 58 774.89720.237 08 050.36910.309 320009 5829 751.3771.767 78 686.368-9.347 08 532.472-10.953200111 36911 485.4901.024 711 721.8593.103 710 565.855-7.064 3200212 90613 610.7405.460 612 822.901-0.643 912 952.570.360 8200316 18216 182.1800.001 116 287.5730.652 415 849.753-2.053 2200420 61919 254.870-6.615 920 649.6130.148 520 521.176-0.474 4200524 06922 883.890-4.923 824088.1650.079 624 062.98-0.025 ******* 76027 124.2865.096 125 779.680.076 425 757.27-0.011 0 3.3 预测结果及分析分别利用3次指数平滑法、基于时间序列的BP神经网络和基于时间序列的GRNN预测天津港2007—2012年的港口货物吞吐量,其结果见表4.表4 2007—2012年间港口吞吐量预测值年份原始数据/万t3次指数平滑拟合值/万t相对误差/%时间序列BP输出/万t相对误差/%时间序列GRNN训练值/万t相对误差/%200730 94630 967.780.070 430 951.220.016 930 941.94-0.013 1200835 59336053.961.295 135 996.151.132 734 964.42-1.766 0200938 12141 791.179.630 640 136.345.289 539 218.532.881 8201048 222.8746 329.1645 964.75201155 392.4953 822.5252 120.31201263 343.4860 319.6658 913.20从表4可见,3种预测方法对2007—2009年的预测值与真实值之间的平均相对误差百分比分别为 3.665 4%,2.146 4%和0.367 6%,其中基于时间序列的GRNN预测模型的预测精度最高,对未来年份港口货物吞吐量的预测具有较高可信度.如果按2007年天津港货物吞吐量增长率20.13%的趋势发展,预计2008年货物吞吐量将达到37 175.43万t左右,但实际值为35 593万t,其主要是由于2008年下半年美国金融危机对中国经济的影响[10],导致天津港货物吞吐量的增长速度变缓.但随着中国经济从金融危机中的快速复苏以及天津滨海新区的快速发展,天津港货物吞吐量的增长速度将不断回升,金融危机作为偶然因素,并未在模型中体现.根据时间序列GRNN预测模型的预测结果,2011和2012年天津港货物吞吐量将分别达到52 120.31万t和58 913.2万t,天津港的到港船舶数量将进一步增多,到港船型大型化趋势也将越发明显,天津港的发展受到新的挑战.因此,天津港应加快港口基础设施建设,尤其是深水泊位和大型泊位的建设,进一步完善港口布局结构和运输结构,扩宽航道、扩大港口规模、提升等级、完善港口功能结构,以满足腹地经济快速发展的需要.4 结束语港口货物吞吐量的预测研究对港口的规划、建设、经营管理等具有重要参考价值,因此科学合理的预测方法是港口主管部门正确决策和规划的基础.本文采用逐步递归的方法建立基于时间序列的港口货物吞吐量GRNN预测模型,并用该模型预测天津港港口货物吞吐量,预测结果非常接近港口发展实际情况,预测精度高,且模型所需调整的参数较少,是港口货物吞吐量预测的行之有效的方法.但对于港口货物吞吐量的中长期预测,离不开港口腹地经济、港口进出口贸易总额及政治政策等因素的影响,由于这些影响因素的量化较为复杂,本文并未作相应分析,可以考虑将其结合组合预测模型[11]对港口货物吞吐量预测进行进一步研究,以使其适合港口货物吞吐量的中长期预测,从而更加符合港口货物吞吐量的实际情况.参考文献:[1]林强, 陈一梅. 神经网络模型在港口吞吐量预测中的应用与误差分析[J]. 水道港口, 2008, 29(1): 72-76.[2]施泽军, 李凯. 基于灰色模型和指数平滑法的集装箱吞吐量预测[J]. 重庆交通大学学报: 自然科学版, 2008, 27(2): 302-304.[3]胡美丽, 陈煜亮. 港口集装箱吞吐量预测模型的选择[J]. 水运科学研究, 2007(1): 13-15.[4]赵亚鹏. 基于GRNN神经网络的长江干线港口集装箱吞吐量预测[J]. 中国航海, 2006, 69(4): 90-91.[5]魏晋雁, 茹锋. 采用GRNN模型进行交通量预测及实现研究[J].长沙交通学院学报, 2006(6): 46-50.[6]冯志鹏, 宋希庚, 薛冬新. 基于广义回归神经网络的时间序列预测研究[J]. 振动、测试与诊断. 2003, 23(2): 105-109.[7]飞思科技产品研发中心. 神经网络理论与Matlab 7实现[M]. 北京: 电子工业出版社, 2005: 123-126.[8]杨小兵, 徐勇, 彭磊, 等. 时间序列分析——广义回归神经网络组合模型(在痢疾发病率预测中的应用探讨)[J]. 中国初级卫生保健, 2008, 22(8): 64-66.[9]刘长俭, 张庆年. 基于时间序列BP神经网络的集装箱吞吐量动态预测[J]. 水运工程, 2007(1): 4-7.[10]谷合强, 张俊红. 美国次贷金融危机对中国经济影响[EB/OL].(2009-10-30)[2010-06-30]./jinrong/091030/11212746.Html.[11]耿悦敏. 基于最优加权的组合预测模型及应用[J]. 五邑大学学报: 自然科学版, 2008, 22(1): 63-67.(编辑廖粤新)注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。

非线性GM(1,1,α)模型在港口货物吞吐量预测中的应用

非线性GM(1,1,α)模型在港口货物吞吐量预测中的应用
上 海海事大学 宋
摘 要 针 对 港 口 货物 吞 吐 量预 测 的 影
响 因素 不 确 定及 统 计 数 据 缺 乏
的 问题 ,引 入 灰 色预 测 理 论 .在 传 统 的 线 性 G ( . ) 型 的 基 M 1 1模 础上 , 用非线 性 G ( ,. ) 运 M 1 1 模
模 拟 和 预 测 , 以 2 0 - 2 0 年 并 03 0 7
汕 头 港 货物 吞 吐 量数 据 为实证 、
检测 该 模型 的 实用性和 ; 性 住确
关键 词 灰 色预 测 ;灰 色系统 :港 I吞 吐 3 "
量 ; 线 性 GM( , , 模 型 非 1 la)
§
1 灰 色 预 测
模 型
X k + ((( ) = b k= 2 3 … , ( ) a Z” k ) , ,, () 1
一n ) … 十 ¨ ( 一 一

式中 : a和 b为 参 数 。
z, ) c( : ( t 足+ c( 一1 ) 七 c( ) , 足 ) ( 2)
式 ( ) 记 为 G 1 1 ) 型 , 白化 微 分 方 1简 M( , , 模 其
程 为

I ( ) X。 1 ’ = ( ) X 0




( 3 )
』 = lt 。 一… 6 d 一
X。 2) ‘(
( (
2 】1 ) ) ( ))
f) 、 1 2

( . ( ) …( ) ) ) 3 c ( 2 )



X。 3) (

B = =


( )k= 12 … , ,+ , 当 k> "时 ,“( ) k, , , ” n l …( x ’ 为 k

基于马尔科夫模型的港口吞吐量预测

基于马尔科夫模型的港口吞吐量预测

基于马尔科夫模型的港口吞吐量预测作者:戴霖黄浩黄倩盈屈梦妮李志强来源:《水运管理》2014年第03期【摘要】结合我国主要港口近10年来的货物吞吐量季度数据,利用马尔科夫模型进行预测。

经验证,马尔科夫模型适用于对港口货物吞吐量的预测,并具有很高的精确度。

在此基础上,提出改进建议:采取权重计算方式;扩大数据样本,使模型精确度更高。

【关键词】港口吞吐量;马尔科夫模型;大连港港口作为国民经济和社会发展的基础性设施,对国民经济和地区发展具有不可替代的作用。

港口吞吐量作为港口的重要经济指标,是衡量其发展的重要依据,是组织生产、编制发展规划和进行建设的重要条件,同时也是反映港口地区经济活力的重要指标之一,对其进行科学、准确的预测具有一定的现实意义。

目前,港口吞吐量的预测方法有很多种,常用的如回归分析法、时间序列法、指数平滑法、灰色模型法、神经网络法等。

这些预测方法因港口的不同而有效性各异,其根本原因在于港口吞吐量作为一个复杂变量,受到多方面因素的影响。

就这些因素的作用特征而言,存在许多无法确定的内容和关系,符合马尔科夫模型的特征。

本文以港口吞吐量为原始建模数据,利用马尔科夫模型进行预测,并采用以季度为最小单元提高预测的精确度。

1 马尔科夫模型的建立1.1 模型的建立由表3可知,大连、上海、广州、湛江等4个港口的货物吞吐量实测值与其预测值之间的误差相当小,其中,最大的误差仅为5.834%,最小误差达0.126%。

可见,马尔科夫模型在预测港口货物吞吐量方面具有相当高的精确度。

4 模型改进的建议综合相关研究成果,为提高模型预测精度,本文对马尔科夫模型的使用提出相关建议:(1)为进一步提高预测值的准确度,针对各种可能性可采取权重计算方式;(2)应选择更多年份的数据,扩大样本,并及时补充最新的统计数据。

5 结语由马尔多夫预测模型可知,我国近10年来货物吞吐量的变化趋势大多为状态5、状态6,说明这些港口的货物吞吐量进一步增长的趋势非常明显。

基于组合模型的天津港吞吐量预测

基于组合模型的天津港吞吐量预测

基于组合模型的天津港吞吐量预测高嵩;肖青【摘要】根据天津港货物吞吐量的历史数据,分别建立有关该港吞吐量的回归预测模型、Logistic生长曲线模型以及组合模型.通过比较3种模型的平均相对误差,可以证明组合模型的平均相对误差最小.运用组合模型预测港口吞吐量可以降低误差,提高预测精度.【期刊名称】《水运工程》【年(卷),期】2011(000)004【总页数】4页(P54-57)【关键词】吞吐量;回归模型;生长曲线模型;组合模型;预测【作者】高嵩;肖青【作者单位】大连海事大学,辽宁大连116026;大连海事大学,辽宁大连116026【正文语种】中文【中图分类】F550港口的货物吞吐量直接反映港口腹地经济的发展及港口规模的变化,是衡量一个港口综合实力的重要指标,也是进行港口建设规划的重要参考。

对港口进行科学的战略规划是建立在港口吞吐量需求预测基础上的,因此预测港口吞吐量就成了港口项目前期必须首先进行的工作。

目前,常用的港口吞吐量预测方法有回归预测法[1]、二次指数平滑法[2]、三次指数平滑法[2]、灰色系统预测法[3]以及Logistic生长曲线法等。

然而,由于社会经济现象的复杂性,用各种预测方法进行具体预测时总会存在一定的误差,因此,一种更为科学的做法是综合利用各种预测方法所提供的信息,以适当的加权平均形式得出组合预测模型。

由于组合预测能够极大地提高预测精度,因而也受到人们的普遍关注。

笔者选用在实际工作中经常用到的回归预测模型和Logistic生长曲线模型对历史数据进行拟合,并提出更适合港口货物吞吐量预测的组合模型。

1.1 回归模型在经济生活中,经济现象之间往往存在着各种各样的关系,他们相互影响、相互牵制。

这样,在研究、预测某种经济现象时,就必须做适当的简化与假设。

如果能分析出预测对象主要是由另外一些经济现象引起的,那么在对这样的预测对象进行研究时所采用的方法就称为因果分析。

其中,回归分析(Regression Analysis)属于较为有效、使用比较普遍的因果分析方法。

港口吞吐量数学预测模型的选用

港口吞吐量数学预测模型的选用

・0前言国民经济和外向型经济的迅猛发展对港口的规划建设提出了新的要求,也给港口带来了新的发展机遇。

在港口规划及可行性研究阶段,都需要研究、论证建港规模,而建港规模的确定是建立在港口吞吐量需求预测基础上的,预测港口吞吐量就成了港口项目前期工作中必须首先进行的工作。

港口吞吐量预测是研究项目是否应该建设,什么时候实施,应该有多大规模的前期准备,港口吞吐量预测值也是港口投资评价的重要基础资料。

港口吞吐量预测及投资评价都属于工程经济范畴,具有十分重要的意义。

港口吞吐量预测的主要依据是地区国民经济发展情况、交通运输条件、港口的历史统计资料,有关部门制定的港口腹地经济发展规划和设想。

根据港口实际情况,吞吐量的预测常采用定量计算和定性分析相结合的方法,如采用移动平均法、指数平滑法、回归分析预测法、灰色预测法、德尔菲法、弹性系数法和货源调查法等进行综合分析预测。

本文结合长江下游某港的总体规划对用数学模型预测吞吐量的有关方法进行研究,并对上述几种数学模型预测方法进行比较。

1港口吞吐量预测的数学模型港口吞吐量预测的数学模型方法很多,本文主要对移动平均法、指数平滑法、回归分析预测法和灰色预测法进行比较研究。

(1)移动平均法预测模型为:1+…++1)或+(=1,值就可以进行预测,但是指数平滑法需要找到最佳=11=)()()2,-回归分析法建立在大量数据基础上,寻求隐藏在随机性后面的统计规律性,它需要较多的历史统计数据。

收稿日期:2006-04-15作者简介:洪勇(1978—),男,硕士研究生,研究方向为港口规划与港口桩基工程。

港口吞吐量数学预测模型的选用洪勇,赵灿林,谢耀峰・(4)灰色预测法GM(1,1)模型是最常用的一种灰色动态预测模型,由一个单变量的一阶微分方程构成。

设原始数据列为(0)(=1,2,3,…}作一阶累加形成生成模型:(1)(=1,2,3,…}其中:=0(0)(+式中:参数a,u由已知系数确定。

=()T)2((1)(2))12((1)(3))12((1)(经累减还原得到原序列的预测模型:^+1)=^+1)-^£©灰色预测法是一种对含有不确定因素的系统进行预测的方法,灰色预测是对既含有已知信息又含有未知信息的系统进行预测,就是对一定范围内变化的、与时间有关的灰色过程进行预测。

基于组合模型预测法的广州港集装箱吞吐量预测

基于组合模型预测法的广州港集装箱吞吐量预测

基于组合模型预测法的广州港集装箱吞吐量预测作者:陈浩来源:《水运管理》2018年第05期【摘要】为弥补单一模型预测方法的不足,以广州港集装箱吞吐量历史数据为依据,分析集装箱吞吐量的主要影响因素,分别采用时间序列模型、Eviews多元线性回归模型对2018―2022年广州港的集装箱吞吐量进行预测。

比较组合加权方法对预测结果的预测,结果表明:组合模型预测法能够提高预测的准确性,减小预测误差。

【关键词】广州港;集装箱吞吐量;时间序列;多元线性回归模型;组合预测0 引言随着“十三五”规划的实施以及“一带一路”倡议的推广,港口集装箱业务发展将迎来黄金时期,广州港集装箱吞吐量在2017年首次突破万TEU。

广州港是华南地区集装箱枢纽港,准确预测其集装箱吞吐量有着重大的研究意义。

目前大多数学者在港口吞吐量预测中主要采用定性和定量两种方法,其中定量预测法主要包括时间序列趋势外推、多元线性回归分析、灰色预测、指数平滑和弹性系数等。

沈旻[1]采用三次指数平滑法和灰色预测法GM(1,1)进行了吞吐量预测;高凤姣等[2]建立两个不同的多元线性回归模型分别对上海港集装箱吞吐量进行预测;朱小檬等[3]采用时间序列与因果关系结合法进行吞吐量中长期预测;刘长俭等[4]认为时间序列法宜采用近期历史数据进行短期预测较为准确。

本文分别采用时间序列模型和Eviews多元线性回归模型对广州港集装箱吞吐量进行预测。

根据两种预测模型的特点,利用平均加权法对两种模型进行组合预测,弥补单一预测方法的不足,使得预测结果更加接近实际发生量。

1 基于时间序列的预测1.1 模型的选择与分析时间序列法在总结事物的过去和现在的发展规律基础上,利用趋势外推法预测未来事物的发展趋势。

根据资料统计,近年广州港集装箱吞吐量呈整体稳定的发展趋势,在“十三五”期间腹地经济结构基本不变、经济平稳增长的环境下,利用时间序列法的基本假设成立,时间序列法对中短期内集装箱吞吐量的预测较为理想。

组合预测在港口吞吐量预测中的研究

组合预测在港口吞吐量预测中的研究

组合预测在港口吞吐量预测中的研究摘要:结合现有的港口吞吐量预测方法,选取1994年~2012年天津港口吞吐量为原始数据,将非线性回归、三次指数平滑、灰色GM(1,1)模型结合起来,采用最优权重系数法确定组合权重,对天津港口2013年~2017年吞吐量进行了组合预测。

关键词:三次指数平滑非线性回归灰色GM(1,1)模型吞吐量0 引言港口吞吐量是港口最基本的生产指标,是衡量其发展的重要依据,是组织其生产、编制发展规划和进行建设的重要条件。

同时,港口吞吐量的多少可反映港口所在城市及其腹地范围的经济状况和发展水平。

吞吐量预测是港口发展战略研究的重要内容,其结果的正确性和合理性,对于科学的港口布局、基本设施投资规模、营运策略、发展战略以及与集疏运相关的综合运输的规划是十分重要的。

1 组合问题预测的提出据不完全统计,目前已有预测方法近200种,各种预测方法在具有各自优点的同时,本身也存在一些无法避免的问题或缺陷,比如每种预测模型的建立往往需要依托一定的假设条件,模型的建立才能成立。

一旦预测对象所处的环境发生变化,某些假设条件将不再成立,这样建立起来的预测模型的性能将变得很差,进而失去预测的意义。

然而预测总是在不确定并且往往是不稳定的环境下进行的。

通常采用两种方法来减少模型的不确定性,从而降低预测风险。

第一种方法是通过从理论和实证两方面更深入地分析实际过程的特征,从而建立更准确反映实际演变模式的模型。

然而对模型假设高度敏感的单个精巧的或复杂的模型面临模型设定错误的风险。

第二种方法是承认构造真实模型的困难,通过考虑基于不同假设和信息来源的多个模型达到信息集成,从而降低不确定性的目的。

由美国加利福尼亚大学Bates和Granger提出的组合预测思想和方法即是后一种途径的具体体现。

正因如此,本文将以天津港口吞吐量为研究对象,拟采用的预测方法是通过将多种预测方法综合而成为一种的组合预测方法,该方法将基于不同假设和信息来源的多个预测模型进行信息集成,进而降低预测目标的不确定性,以此来提高预测的准确性。

基于时间序列模型的港口集装箱吞吐量预测

基于时间序列模型的港口集装箱吞吐量预测

基于时间序列模型的港口集装箱吞吐量预测作者:吴琛来源:《珠江水运》2019年第05期摘要:针对集装箱吞吐量进行精準预测,已成为港口发展建设的重要一环。

本文以广州港作为研究对象,选取2010.01-2017.12区间中96组数据作为原始数据。

首先分析该时间序列的变动趋势特征;然后根据原始序列特征选取ARIMA模型进行预测,结果显示预测数值与实际数值的相对误差基本控制在10%以内,体现出模型的可靠性和精准性;最后对2019下半年广州港集装箱吞吐量进行预测,为港口运营提供参考价值。

关键词:广州港集装箱吞吐量时间序列 ARIMA模型预测1.引言集装箱运输凭借其带来的规模经济效益和社会效益,已成为港口运输的主要方式。

当前,港口集装箱吞吐量作为评价港口综合能力的重要因素,在港口发展建设中具有重要参考价值,针对港口集装箱吞吐量预测的研究成为必要。

通过提高港口集装箱吞吐量预测的精确度,从而对港口的常规运营、资源分配、码头调度、规划建设等方面产生积极的作用。

港口集装箱吞吐量预测方法主要分为多元回归方法和时间序列分析方法。

关于多元回归方法的研究主要包括:刘逸群等将大连市GDP、货运总量、东三省和内蒙古GDP之和作为影响因子,对大连港集装箱吞吐量进行多元回归预测;刘斌等使用国民生产总值、对外贸易额、港口固定资产投资及利率作为影响因子,对我国港口总吞吐量进行预测。

时间序列分析方法主要包括指数平滑法、趋势外推法以及ARIMA模型等,主要研究有:刘宇璐等通过分析武汉港货物吞吐量数据的变动趋势和周期性特征,构建ARIMA预测模型;赵尚威等采用SARIMA和VAR组合预测方法,对中国7大港口进行吞吐量预测,体现出时间序列方法预测具有优势。

本文将以广州港为研究对象,通过分析历年来港口集装箱吞吐量的数据增长趋势,运用ARIMA时间序列方法建立预测模型,对广州港集装箱吞吐量进行短期预测。

2.趋势分析广州港作为中国港口体系中重要的交通枢纽,是华南地区进行对外贸易的重要口岸,由南沙港、黄埔港、花都港、新塘港等多个港区组成。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

提升,必将带来港口吞吐量的飞速增长。该港历史吞 吐量见表 1。
以下利用移动平均法、指数平滑法、回归分析法和 灰色预测法对该港吞吐量进行预测,并从中选出一种
预测模型 = - ^(0) ( +1)
(0) (1)
e + ,经累减还
原得到原序列的预测模型为:^(0)(
= +1)
^(1) (
- +1)
^(1) (
方差最小,这需要通过反复实验确定Hale Waihona Puke 工作量较大。(3)回归分析法
预测模型 ^ = 0+ 1
式中:b1,b0 为相关参数。
1=

- (
)( -
- )2
),
0=

1
回归分析法建立在大量数据基础上,寻求隐藏在
随机性后面的统计规律性,它需要较多的历史统计数
据。
··
港口
(4)灰色预测法
表 修正灰色预测模型预测计算过程
参考文献: [1] 徐国祥,胡清友.统计预测和决策[M].上海:上海财经大学
出版社,1998. [2] 易丹辉.统计预测方法与应用[M].北京:中国统计出版社,
2001. [3] 安鸿志.时间序列分析[M].上海:华东师范大学出版社,
1992. [4] 唐鸿龄.应用概率[M].南京:南京工学院出版社,1988.
2003 1 101.1 16 8 726.14 1 088.77 12.33 1.12
= - ^(0)
^(1)
^(1)
( +1)
( +1)
()
灰色预测法是一种对含有不确定因素的系统进
行预测的方法,灰色预测是对既含有已知信息又含有
未知信息的系统进行预测,就是对一定范围内变化
的、与时间有关的灰色过程进行预测。它所研究的对
/
/
/
1988
230.5
1
379.86 201.84 28.66 12.43
(1)={
, (1) ()
= 1,2,3,…}
其中:
(1) (
= +1)
(0) ()
=0
由此得出预测模型:
= - ^(0) ( +1)
(0) (1)
e+
式中:参数 a,u 由已知系数确定。
=( T )1 T
1989 1990 1991 1992 1993 1994 1995 1996
港口吞吐量预测的主要依据是地区国民经济发展 情况、交通运输条件、港口的历史统计资料,有关部门 制定的港口腹地经济发展规划和设想。根据港口实际 情况,吞吐量的预测常采用定量计算和定性分析相结 合的方法,如采用移动平均法、指数平滑法、回归分析 预测法、灰色预测法、德尔菲法、弹性系数法和货源调 查法等进行综合分析预测。本文结合长江下游某港的 总体规划对用数学模型预测吞吐量的有关方法进行研 究,并对上述几种数学模型预测方法进行比较。
^(1) ()
e(0)的累加生成序列为:{e(1)( )}
e(1)可建立 GM 模型:
e = e - e + (1)
(0)
e
e
e
( +1)
(1)
e
e
对上式求导,并加上
^(1) (
+1),从而得修正灰色预测
模型为:
^(1) (
= +1)
1
698.493
324
e0.1123
3

1
478.193
324

( 1)43.3 e0.076( 1)
历史数据是平稳增长的。
(2)指数平滑法 预测模型: = +1 + ( - ) 式中: = 1 , 值的确定可通过计算均方差MSE
使其最小时获取。
指数平滑法既不需要存储全部历史数据,也不需
要存储一组数据,从而大大减少了数据存储,甚至有时
只需一个最新观察值、一个最新预测值和 值就可以
进行预测,但是指数平滑法需要找到最佳 值,以使均
1 (1) 2( + ) 1 (2)
(1) (3)
(0) ()
1( 2
(1) (
+ ) 1 (1)
1)
()
经累减还原得到原序列的预测模型:
1997
606.2 10 3 701.79 554.89 51.31 8.46
1998
620.0 11 4 322.66 620.87 0.87 0.14
1999
240.8 250.8 276.5 320.5 367.3 372.2 400.5 465.3
2
605.71 225.85 14.95 6.21
3
858.43 252.71 1.92 0.76
4 1 141.20 282.77 6.27 2.27
5 1 457.60 316.40 4.10 1.28
《水运管理》杂志社
··
1.本刊欢迎以电子邮件方式投稿 (Word 文档 作为附件),文稿字数一般不超过 6 000 字;
2.来稿请注明未一稿多投; 3.参照科技论文要求,来稿需提供参考文献 (文中相应处必须按序标明)、作者简介(姓名、出 生年、性别、职称、研究方向)和标题英文译文,基 金项目应填写国家有关部门规定的正式名称及项 目编号; 4.来稿应写明作者的姓名、单位、联系地址、 邮政编码、电话号码、电子邮箱; 5.来稿不退,请作者自留底稿; 6.根据需要,本刊录用稿件将在本刊或与本 刊合作的网站上传播,作者文章著作权使用费与 本刊稿酬一次性给付; 7.投稿者须保证来稿没有侵犯他人著作权或 其他权利的内容,否则须对此承担所有责任; 8.对上述要求有异议者,请在来稿时声明,否 则将视为同意; 9.本刊在收到稿件的下一个工作日发送“稿 件收到”电邮回执,并在 30 天内通知作者稿件采 用与否; 10.本社地址、电话、电子信箱见本刊版权页。
港口
港口吞吐量数学预测模型的选用
洪 勇,赵灿林,谢耀峰
【摘 要】 结合长江下游某港的总体规划对几种
数学预测方法的比较研究发现,灰色预测模型,尤其残 1 港口吞吐量预测的数学模型
差修正灰色模型能较准确地预测港口吞吐量。 【关键词】 移动平均法;指数平滑法;回归分析
法;灰色预测模型;残差分析
港口吞吐量预测的数学模型方法很多,本文主要 对移动平均法、指数平滑法、回归分析预测法和灰色预 测法进行比较研究。
预测模型 = +1 + ( - )中 的取值,通过 试算得 = 0.9。预测模型的相对误差一般在 15%~ 20%之间。
(3)线性回归预测法 预测模型 ^ = 0+ 1 中参数 b1 = 6.41,b0 = 52.2, 即 ^ = 0+ 1 = 52.2 + 6.41 x,其中把该市的工农业 总产值作为变量 x 值,吞吐量作为 y 值。预测模型的 相对误差一般在 10%~15%之间。 (4)常规的灰色预测法(未进行残差修正)
GM (1,1) 模型是最常用的一种灰色动态预测模
型,由一个单变量的一阶微分方程构成。设原始数据
列为
(0)={
, (0) ()
= 1,2,3,…}
作一阶累加形成生成模型:
年份
观察值
(吞吐量)/万 t
(0) ()
修正后
(累加列)
^ (1) ( 1)
各年份 预测值
误差
相对 误差
/%
1987
220.3
0
220.30
0前言
国民经济和外向型经济的迅猛发展对港口的规划 建设提出了新的要求,也给港口带来了新的发展机遇。 在港口规划及可行性研究阶段,都需要研究、论证建港 规模,而建港规模的确定是建立在港口吞吐量需求预 测基础上的,预测港口吞吐量就成了港口项目前期工 作中必须首先进行的工作。港口吞吐量预测是研究项 目是否应该建设,什么时候实施,应该有多大规模的前 期准备,港口吞吐量预测值也是港口投资评价的重要 基础资料。港口吞吐量预测及投资评价都属于工程经 济范畴,具有十分重要的意义。
{ (
1)=
1, 0,
≥2 >2
修正灰色预测模型预测计算过程见表 1。修正的
灰色模型预测相对误差一般在 8%以内(除去经济状况
不稳定的特殊年份)。
比较几种数学预测法,发现灰色预测模型能较准
确地预测港口吞吐量,经过残差修正的灰色模型对提 高预测精度效果明显,尤其对 1998 ~ 2004 年港口吞 吐量的预测比较准确,误差较小,见图 1。

得出: =- 0.112 33 = 166.040 5
即预测模型为:
··
港口
= ^(1) ( +1)
1
698.493
324
e0.1123
3

1
478.193
324
(5)残差修正后的灰色预测模型
对灰色模型 GM 模型进行残差修正,可使预测精
度进一步提高。
定义残差:e = - (0) ()
(1) ()
最优的方法。 由于该港吞吐量存在异常值,结合其产生的原因
对原始数据进行指数平滑修正。 (1)移动平均法 预测模型式(1)或(2)中,取 N = 5 进行移动平均。
相对误差一般大于 20%。 (2)一次指数平滑法
长江下游某港口所在城市是著名的滨江城市。该 市国民经济发展的主要特点是:(1)位居长江沿岸,国 民经济发展中大宗货物运量很大;(2)产业结构不断调 整,经济结构日趋优化,企业集约化程度提高;(3)交通 运输较为发达,形成了较好的对外运输通道。该港 1989 年货物吞吐量首次突破 450 万 t,1999 年突破 700 万 t, 2002 年完成 965.3 万 t。港口吞吐量年均递增 10%左 右,其中以非金属矿石的增长最快,平均每年递增 15.1%。随着该市经济发展驶入快车道和港口地位的
相关文档
最新文档