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。     

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。     

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。     

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.     

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。     

集装箱港口吞吐量线性回归模型

讨论了我国集装箱港口吞吐量与我国国民生产总值、对外贸易额、港口固定资产投资及利率之间的关系．其相关性研究是基于线性回归模型的建立，搜集、整理了过去16年各观测值，用SPSS软件计算得出的．结果说明，集装箱港口吞吐量与对外贸易额、港口固定资产投资正相关，与国民生产总值、利率负相关，和国际上流行的集装箱港口吞吐量发展理论相悖．这一发现对我国集装箱港口建设提供了理论决策依据．     

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.     

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。     

基于神经网络的集装箱运量预测

概述了神经网络的有关理论。研究了神经网络结构设计的步骤,方法及应注意的问题,应用神经网络技术对上海港集装箱运量进行了预测,并与灰色预测结果进行了比较。结果表明ＢＰ网络的预测精度高,是解决高度非线性系统预测问题的有种有效的方法。     

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。     

厦门港船舶引航系统的设计与应用

根据厦门港及其船舶引航的特点,综合应用差分GPS定位技术、AIS技术、电子海图等先进技术,完成了具有特色的厦门港船舶引航系统的设计,并在厦门港投入使用.经应用表明,该系统的功能强、操作便捷、设备便携性好,能够更加有效地保障厦门港船舶引航的安全.     

加快建设厦门信息港的设想与措施

世界经济经过工业经济的极限增长 ,随着高新技术的发展 ,正转向知识经济形态 ,正促进各国发展高科技 ,首先是信息产业。信息业对其他产业的渗透性特强 ,且又是低能耗 ,低污染、高附加值产业 ,符合经济发展的方向。 1995年厦门市正式提出建设信息港的战略任务 ,在原有信息业基础加上几年的努力 ,现已具备一定物质条件 ,在信息产业和信息服务业方面都有长足进步。面向新世纪 ,信息业将作为经济的新增长点。厦门信息港将加速建设并将形成网络经济 ,厦门将成为智慧岛 ,成为区域性信息中心     

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.     

厦门港应对集装箱船舶大型化发展趋势的策略

从集装箱船舶大型化的发展趋势及其对港口的要求出发,针对厦门港存在的主要问题,对厦门港的应对策略进行探讨．     

基于巢式Logit模型的机场吞吐量预测方法

在中小机场吞吐量预测方法中首次引入了巢式Logit模型（NL）。并以无锡机场旅客吞吐量为实例,将预测结果与其他预测方法的结果进行比较,得出了对中小机场进行预测时,使用巢式Logit模型由于综合考虑了机场所在地经济社会的发展现状,机场的服务能力以及周边机场的竞争影响因素,所以预测结果的相对误差较小,并可以从计算过程中得到机场可能的客流量组成和地区客流量走向。     

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。