港口吞吐量發(fā)展水平預(yù)測技術(shù)優(yōu)選研究.pdf

1、吞吐量是港口的重要經(jīng)濟(jì)指標(biāo)，其發(fā)展水平對于確定合理的港口布局、投資規(guī)模、營運(yùn)策略和發(fā)展戰(zhàn)略十分重要。 綜合回顧和總結(jié)了現(xiàn)有的港口吞吐量預(yù)測技術(shù)，如時間序列法、因果分析法和組合預(yù)測法，其中包括一些最新的研究成果，如灰色系統(tǒng)法、遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)法。提出港口吞吐量預(yù)測是一個復(fù)雜的系統(tǒng)工程，應(yīng)按照一定的流程進(jìn)行系統(tǒng)分析。對于腹地區(qū)域重疊的港口群，建議可利用層次分析法確定其相互間的競爭關(guān)系和吞吐量分配權(quán)重。 本文選擇時間序列

2、法中的三次指數(shù)平滑法和灰色模型、因果分析法中的多元線性回歸法和神經(jīng)網(wǎng)絡(luò)模型，探討其建模過程和檢驗(yàn)方法，分析模型參數(shù)的選擇，比較各種模型的適用范圍，并采用組合預(yù)測技術(shù)來消除各單項(xiàng)模型中存在的隨機(jī)誤差。 對于時間序列法，由于社會、政治、經(jīng)濟(jì)現(xiàn)象往往帶有較強(qiáng)的慣性，使得港口吞吐量的發(fā)展在中短期內(nèi)可能保持一種平穩(wěn)態(tài)勢，而遠(yuǎn)期發(fā)展過程中則經(jīng)常會受到一些偶然或突發(fā)因素的影響，因此其更適合中短期預(yù)測。 對于因果分析法，提出通過主成分分

3、析和相關(guān)分析可以減少影響因子的數(shù)量，從而減小預(yù)測誤差。建議可以采用時間序列法預(yù)估影響因子的未來值。結(jié)果表明，遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型結(jié)合了BP網(wǎng)絡(luò)良好的非線性逼近能力和遺傳算法全局搜索的優(yōu)勢，擬合精度高于多元線性回歸模型。定量預(yù)測的應(yīng)用前提是假定趨勢能延續(xù)，但港口吞吐量發(fā)展水平經(jīng)常會受到一些偶然或突變因素的影響，而定性預(yù)測擅長于預(yù)測趨勢的轉(zhuǎn)折及其影響，因此更為科學(xué)的方法是將定量分析和定性判斷相結(jié)合。 基于本文所建立的各種預(yù)測模