發(fā)布時(shí)間：2023-11-26 13:30

　　吞吐量是港口的重要經(jīng)濟(jì)指標(biāo),其發(fā)展水平對(duì)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(cè)技術(shù),如時(shí)間序列法、因果分析法和組合預(yù)測(cè)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(cè)是一個(gè)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(duì)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(jìng)爭關(guān)系和吞吐量分配權(quán)重。 本文選擇時(shí)間序列法中的三次指數(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(cè)技術(shù)來消除各單項(xiàng)模型中存在的隨機(jī)誤差。 對(duì)于時(shí)間序列法,由于社會(huì)、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(shì),而遠(yuǎn)期發(fā)展過程中則經(jīng)常會(huì)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(cè)。 對(duì)于因果分析法,提出通過主成分分析和相關(guān)分析可以減少影響因子的數(shù)量,從而減小預(yù)測(cè)誤差。建議可以采用時(shí)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...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及研究意義
    1.2 研究進(jìn)展
    1.3 本文研究內(nèi)容
第二章 港口吞吐量的預(yù)測(cè)模型
    2.1 概述
        2.1.1 系統(tǒng)預(yù)測(cè)流程
        2.1.2 腹地區(qū)域的確定
        2.1.3 腹地區(qū)域經(jīng)濟(jì)分析
        2.1.4 區(qū)域內(nèi)港口群的競(jìng)爭關(guān)系
        2.1.5 本港吞吐量發(fā)展預(yù)測(cè)
    2.2 港口吞吐量預(yù)測(cè)的時(shí)間序列法
        2.2.1 平均增長率法
        2.2.2 簡單時(shí)間序列法
        2.2.3 移動(dòng)平均法
        2.2.4 指數(shù)平滑法
        2.2.5 灰色系統(tǒng)法
    2.3 港口吞吐量預(yù)測(cè)的因果分析法
        2.3.1 彈性系數(shù)法
        2.3.2 定額估算法
        2.3.3 回歸分析法
        2.3.4 神經(jīng)網(wǎng)絡(luò)法
    2.4 港口吞吐量組合預(yù)測(cè)模型
        2.4.1 概述
        2.4.2 組合預(yù)測(cè)模型的建立
第三章 港口吞吐量預(yù)測(cè)的實(shí)證優(yōu)選研究
    3.1 天津港概況
    3.2 樣本數(shù)據(jù)
    3.3 吞吐量預(yù)測(cè)模型比較分析
        3.3.1 三次指數(shù)平滑法
        3.3.2 灰色系統(tǒng)法
        3.3.3 多元線性回歸法
        3.3.4 遺傳算法優(yōu)化的前向神經(jīng)網(wǎng)絡(luò)法
        3.3.5 組合預(yù)測(cè)模型
        3.3.6 分析比較
第四章 天津港吞吐量預(yù)測(cè)
第五章 結(jié)論
參考文獻(xiàn)
發(fā)表論文和科研情況說明
致謝



本文編號(hào)：3867873