港口吞吐流量預(yù)測是港口管理規(guī)劃六大主要內(nèi)容之一,根據(jù)吞吐量預(yù)測進(jìn)行港口調(diào)度管理優(yōu)化,可以縮短裝卸等待時間,提高船舶進(jìn)出港效率,減少經(jīng)濟(jì)浪費,而確定未來的吞吐量是計劃調(diào)度的關(guān)鍵因素。本文以廈門港為例,首先介紹了港口決策相關(guān)理論,引出了港口吞吐流量預(yù)測在理論和實務(wù)中的必要性。接著理論聯(lián)系實際,探究了港口吞吐量的預(yù)測方法問題。在傳統(tǒng)的預(yù)測方法基礎(chǔ),使用了以量子行為粒子群優(yōu)化算法來為搜索算法的徑向基神經(jīng)網(wǎng)絡(luò),用來進(jìn)行廈門港流流量時間序列的預(yù)測。在預(yù)測的應(yīng)用過程中,提出了一種結(jié)合兩個不同的無監(jiān)督訓(xùn)練算法對所使用神經(jīng)網(wǎng)絡(luò)的模型參數(shù)進(jìn)行確定的方法,即通過結(jié)合Density Peaks和k-means解決了徑向基網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)確認(rèn)的問題,從而提高神經(jīng)網(wǎng)絡(luò)模型構(gòu)建效率,并避免了傳統(tǒng)主觀選擇神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)所導(dǎo)致的誤差。實驗結(jié)果表明,利用本文所構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型去擬合時間序列數(shù)據(jù),其預(yù)測效率和精度都達(dá)到了較高的水平。為了橫向?qū)Ρ缺疚乃褂玫母牧己蟮纳窠?jīng)網(wǎng)絡(luò)模型,本文以三種常用的時間序列預(yù)測模型即移動平均法,三次指數(shù)平滑法和ARIMA模型作為對比,實驗結(jié)果證明本文使用的模型相比以上三種模型有更高的精度。本...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀和文獻(xiàn)綜述
    1.3 研究內(nèi)容
    1.4 技術(shù)路線
第2章 港口管理決策和預(yù)測相關(guān)理論
    2.1 港口管理規(guī)劃內(nèi)容
        2.1.1 港口規(guī)劃體系
        2.1.2 港口管理規(guī)劃過程
    2.2 預(yù)測方法概述
        2.2.1 定性預(yù)測方法
        2.2.2 定量預(yù)測方法
    2.3 本章小結(jié)
第3章 基于量子行為粒子群優(yōu)化算法的徑向基神經(jīng)網(wǎng)絡(luò)
    3.1 人工神經(jīng)網(wǎng)絡(luò)
        3.1.1 人工神經(jīng)網(wǎng)絡(luò)概述
        3.1.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
    3.2 徑向基神經(jīng)網(wǎng)絡(luò)設(shè)計過程
        3.2.1 徑向基神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
        3.2.2 徑向基神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)計
    3.3 粒子群優(yōu)化算法
    3.4 量子行為粒子群優(yōu)化算法
        3.4.1 量子行為粒子群優(yōu)化算法基本原理
        3.4.2 量子行為粒子群優(yōu)化算法的模型建立
    3.5 QPSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)流程
    3.6 本章小結(jié)
第4章 廈門港吞吐量預(yù)測過程
    4.1 廈門港簡介
    4.2 港口吞吐量數(shù)據(jù)分析
    4.3 基于量子行為粒子群優(yōu)化算法的徑向基網(wǎng)絡(luò)預(yù)測流程
        4.3.1 訓(xùn)練數(shù)據(jù)預(yù)處理
        4.3.2 RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)設(shè)置
        4.3.3 QPSO-RBF編程實現(xiàn)
        4.3.4 RBF神經(jīng)網(wǎng)絡(luò)擬合及預(yù)測過程
    4.4 本章小結(jié)
第5章 廈門港吞吐量預(yù)測模型應(yīng)用
    5.1 預(yù)測模型回顧
    5.2 預(yù)測模型應(yīng)用比較
    5.3 本章小結(jié)
第6章 總結(jié)
    6.1 研究總結(jié)
    6.2 研究展望
附錄
參考文獻(xiàn)
致謝
攻讀碩士期間發(fā)表論文



本文編號：3832417