港口是國(guó)內(nèi)外物流重要的支撐力量,日益加劇的競(jìng)爭(zhēng)環(huán)境促使港口向智慧化、精細(xì)化方向轉(zhuǎn)型。吞吐量是衡量企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的重要依據(jù)。吞吐量長(zhǎng)期預(yù)測(cè)有助于企業(yè)投資規(guī)劃、制定發(fā)展策略。吞吐量短期預(yù)測(cè)可以輔助企業(yè)安排生產(chǎn)活動(dòng)、調(diào)整企業(yè)運(yùn)營(yíng)節(jié)奏,對(duì)企業(yè)精細(xì)化發(fā)展意義重大。本文引入深度學(xué)習(xí)技術(shù)對(duì)散雜貨港口月度吞吐量數(shù)據(jù)建模,從時(shí)間序列分析的角度研究吞吐量短期預(yù)測(cè)問(wèn)題,主要包括以下幾方面:(1)散雜貨港口吞吐量時(shí)間序列特性分析,驗(yàn)證了其線性與非線性交織的復(fù)合型發(fā)展趨勢(shì)。結(jié)合散雜貨運(yùn)輸?shù)臉I(yè)務(wù)特點(diǎn),挖掘其長(zhǎng)期性、季節(jié)性、波動(dòng)性等多特征,將以上多特征的影響因素提取出來(lái)用于后續(xù)建模。(2)基于ARIMA的線性吞吐量預(yù)測(cè)模型、基于LSTM的非線性吞吐量預(yù)測(cè)模型的構(gòu)建與驗(yàn)證。通過(guò)網(wǎng)格搜索法確定模型最優(yōu)參數(shù)。將多特征影響因素引入到LSTM模型,進(jìn)一步提高其預(yù)測(cè)精度。(3)吞吐量預(yù)測(cè)組合模型的構(gòu)建與應(yīng)用。為了避免單一預(yù)測(cè)模型在復(fù)合型問(wèn)題的不足,采用權(quán)重分配的方式將線性模型與非線性模型組合。將組合模型嵌入到港口生產(chǎn)業(yè)務(wù)系統(tǒng)中輔助集團(tuán)及港務(wù)分公司管理決策。本文以廣州港集團(tuán)G港務(wù)分公司為例,驗(yàn)證了線性模型ARIMA與非線性模型LSTM的適用性及優(yōu)勢(shì)。組合模型預(yù)測(cè)平均相對(duì)誤差為0.096,遠(yuǎn)低于三次指數(shù)平滑法的0.1819。此外,選取了 RMSE、MAE以及誤差等級(jí)等對(duì)預(yù)測(cè)效果進(jìn)行評(píng)估,論證了組合模型的優(yōu)越性。本文提出的組合模型對(duì)港口企業(yè)吞吐量預(yù)測(cè)有一定的參考意義。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F224;F552.6
【部分圖文】：

年吞吐量計(jì)劃是在每年年初制定的。港務(wù)分公司上報(bào)年吞吐量計(jì)劃，經(jīng)與集團(tuán)??總部反復(fù)溝通后，集團(tuán)總部確定最終的年吞吐量計(jì)劃下發(fā)到港務(wù)分公司，將年吞吐??量計(jì)劃完成情況作為港務(wù)分公司績(jī)效考核依據(jù)。圖１－１是年吞吐量計(jì)劃制定流程??圖。??港務(wù)ｙ公司?｜?Ｉ?隼團(tuán)＿總部??ｉ?上報(bào)年吞吐霣計(jì)劃?！??！?＞］??ｉ?反復(fù)溝通協(xié)調(diào)??＾??ｉ?下發(fā)年吞吐屋計(jì)劃??ｆ６?將其作為績(jī)效考核依據(jù)?ｉ??圖丨－１廣州港集團(tuán)年吞吐量計(jì)劃制定流程圖??Ｆｉｇｕｒｅ?１－１?Ｐｒｏｃｅｓｓ?ｏｆ?Ｇｕａｎｇｚｈｏｕ?Ｐｏｒｔ?Ｃｏｍｐａｎｙ?Ａｎｎｕａｌ?Ｔｈｒｏｕｇｈｐｕｔ?Ｐｌａｎｎｉｎｇ??月吞吐量計(jì)劃是月初制定的。為了掌握港務(wù)分公司實(shí)際作業(yè)情況，集團(tuán)要求港??務(wù)分公司每天上報(bào)日吞吐量。集團(tuán)總部對(duì)上個(gè)月吞吐量完成情況進(jìn)行評(píng)估，制定本??月吞吐量計(jì)劃并下發(fā)到港務(wù)分公司。港務(wù)分公司通過(guò)月度吞吐量計(jì)劃指導(dǎo)生產(chǎn)。圖??１－２是月吞吐量計(jì)劃制定流程圖。??Ｉ?港務(wù)ｙ公司?｜?Ｉ?第團(tuán)總部??ｊ?上報(bào)日吞吐量???下發(fā)月吞吐量計(jì)劃?！??ｒ＜?－；??圖１＿２廣州港月吞吐量計(jì)劃制定流程圖??Ｆｉｇｕｒｅｌ－２?Ｐｒｏｃｅｓｓ?ｏ

北京交通大學(xué)碩士學(xué)位論文???第五章：散雜貨港口吞吐量預(yù)測(cè)組合模型及結(jié)果分析。本節(jié)通過(guò)權(quán)重分配的方??式組合線性模型與非線性模型。對(duì)比了指數(shù)平滑法、基于ＡＲＩＭＡ的線性吞吐量預(yù)??測(cè)模型、多特征ＬＳＴＭ吞吐量預(yù)測(cè)模型及組合模型的預(yù)測(cè)結(jié)果，組合模型預(yù)測(cè)效??果很好，Ｇ公司吞吐量預(yù)測(cè)平均相對(duì)誤差為０．０９６。最后提出了預(yù)測(cè)模型的應(yīng)用方??向。??第六章：總結(jié)與展望�？偨Y(jié)本次論文的成果及不足，以及下一步研宄方向。??－－－－－－?￣?１???

圖１－５技術(shù)路線??Ｆｉｇｕｒｅ?１－５?Ｔｅｃｈｎｉｃａｌ?Ｒｏｕｔｅ??
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史磊磊;;基于馬爾科夫鏈的組合預(yù)測(cè)在港口吞吐量預(yù)測(cè)的應(yīng)用[J];現(xiàn)代經(jīng)濟(jì)信息;2015年16期

2 王學(xué)軍;唐璐;周柏霖;;基于時(shí)間序列模型的重慶港貨物吞吐量預(yù)測(cè)[J];科技展望;2015年12期

3 許利枝;汪壽陽(yáng);;集裝箱港口預(yù)測(cè)研究方法:香港港實(shí)證研究[J];管理科學(xué)學(xué)報(bào);2015年05期

4 杜剛;劉婭楠;;季節(jié)性變動(dòng)影響下的上海港集裝箱吞吐量預(yù)測(cè)[J];華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

5 李桂芝;白秋穎;;基于系統(tǒng)聚類的營(yíng)口港吞吐量影響因素分析[J];物流技術(shù);2015年01期

6 劉建偉;劉媛;羅雄麟;;深度學(xué)習(xí)研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2014年07期

7 辛曼玉;;基于ARIMA-RBF神經(jīng)網(wǎng)絡(luò)的沿海港口吞吐量預(yù)測(cè)研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2014年01期

8 薛俊強(qiáng);;寧波港集裝箱吞吐量預(yù)測(cè)模型的選擇[J];華東經(jīng)濟(jì)管理;2013年05期

9 張美英;何杰;;時(shí)間序列預(yù)測(cè)模型研究綜述[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2011年18期

10 嚴(yán)武元;王少梅;;PSO-BP混合預(yù)測(cè)模型及在港口集裝箱吞吐量預(yù)測(cè)中的應(yīng)用[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2007年03期

相關(guān)博士學(xué)位論文 前1條

1 張馳;數(shù)據(jù)資產(chǎn)價(jià)值分析模型與交易體系研究[D];北京交通大學(xué);2018年

相關(guān)碩士學(xué)位論文 前9條

1 王淵明;基于LSTM神經(jīng)網(wǎng)絡(luò)的電商需求預(yù)測(cè)的研究[D];山東大學(xué);2018年

2 李帥;基于大規(guī)�？爝f數(shù)據(jù)的時(shí)序分析研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

3 楊客;遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在連云港港口吞吐量預(yù)測(cè)中的應(yīng)用研究[D];深圳大學(xué);2017年

4 吳少聰;基于混合模型的股票趨勢(shì)預(yù)測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2017年

5 寧海博;基于ABC-BP神經(jīng)網(wǎng)絡(luò)引航量預(yù)測(cè)研究[D];大連海事大學(xué);2017年

6 查茜;港口集裝箱吞吐量時(shí)間序列預(yù)測(cè)方法研究[D];重慶大學(xué);2016年

7 史曉丹;基于粗糙集與遺傳規(guī)劃的港口吞吐量預(yù)測(cè)研究[D];北京交通大學(xué);2014年

8 陳雙金;時(shí)間序列單位根檢驗(yàn)方法比較[D];電子科技大學(xué);2013年

9 郭睿;基于BP神經(jīng)網(wǎng)絡(luò)的天津港吞吐量預(yù)測(cè)研究[D];天津大學(xué);2012年

本文編號(hào)：2858338