本文選題：吞吐量預(yù)測 + 影響因素��； 參考：《深圳大學(xué)》2017年碩士論文

【摘要】：近年來,受益于中國經(jīng)濟(jì)的日益繁榮,中國港口已經(jīng)成為世界港口中至關(guān)重要的組成部分,而作為反映港口發(fā)展?fàn)顩r的一個最基本的指標(biāo),港口吞吐量的相關(guān)研究也多種多樣。其中港口吞吐量的預(yù)測對于港口發(fā)展規(guī)劃有著重要的意義。然而,目前的港口吞吐量預(yù)測方法仍然存在一些不足,傳統(tǒng)的預(yù)測方法多采用時(shí)間序列或只選取一個因素參與預(yù)測,并不能充分體現(xiàn)出港口腹地的經(jīng)濟(jì)發(fā)展、季節(jié)條件等多種因素對港口吞吐量的影響。因此,本文將探究多種因素與港口吞吐量之間的聯(lián)系,并將影響因素?cái)?shù)據(jù)用于接下來的連云港港吞吐量的預(yù)測。首先,本文將從宏觀和微觀兩大方面入手分析這些因素對港口吞吐量的影響,并從有限的可以獲得的數(shù)據(jù)中確定了季節(jié)性因素對吞吐量有相關(guān)性,因此本文將按照季度預(yù)測吞吐量并且會將去年當(dāng)季和前年當(dāng)季吞吐量作為BP神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù);同時(shí)發(fā)現(xiàn)二季度前第二產(chǎn)業(yè)和第三產(chǎn)業(yè)固定資產(chǎn)投資與連云港港口吞吐量影響因素具有較大的相關(guān)系數(shù),可以用于港口吞吐量預(yù)測。接著介紹多種傳統(tǒng)的吞吐量預(yù)測方法,并從中選取了三次指數(shù)平滑法和一元回歸預(yù)測法兩種方法,以連云港港作為實(shí)證研究對象,對連云港港口吞吐量進(jìn)行了預(yù)測,并分析了預(yù)測方法存在的缺點(diǎn)。接著,為了克服傳統(tǒng)預(yù)測方法存在的這些問題,本文在MATLAB中構(gòu)建BP神經(jīng)網(wǎng)絡(luò),選取前面選取的連云港港口吞吐量影響因素?cái)?shù)據(jù)作為實(shí)證研究對象進(jìn)行預(yù)測,發(fā)現(xiàn)預(yù)測結(jié)果并不理想,通過對預(yù)測結(jié)果進(jìn)行分析,發(fā)現(xiàn)是BP神經(jīng)網(wǎng)絡(luò)中的初始權(quán)值和閾值的隨意性影響了連云港港口吞吐量預(yù)測結(jié)果。所以本文選擇了遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,以求得到更加理想的預(yù)測結(jié)果。通過遺傳算法處理得到的最優(yōu)初始權(quán)值和閾值,并將初始權(quán)值和閾值賦值給BP神經(jīng)網(wǎng)絡(luò),并實(shí)現(xiàn)網(wǎng)絡(luò)的訓(xùn)練以及預(yù)測輸出,得到相關(guān)的預(yù)測結(jié)果,把新得出的評價(jià)結(jié)果和之前的評價(jià)結(jié)果進(jìn)行對比分析可以發(fā)現(xiàn),經(jīng)過遺傳算法優(yōu)化權(quán)值和閾值后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行評價(jià)的效果更佳。證明了遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在連云港港口吞吐量預(yù)測過程中的可行性和有效應(yīng)。
[Abstract]:In recent years, thanks to the increasing prosperity of China's economy, Chinese ports have become a vital part of the world's ports, and as a most basic indicator of port development, port throughput research is also diverse.The prediction of port throughput is of great significance to port development planning.However, there are still some shortcomings in the current forecasting methods of port throughput. The traditional forecasting methods usually use time series or select only one factor to participate in the prediction, which can not fully reflect the economic development of the port hinterland.The influence of seasonal conditions and other factors on port throughput.Therefore, this paper will explore the relationship between various factors and port throughput, and use the data of influencing factors to predict the throughput of Lianyungang port.First of all, this paper will analyze the impact of these factors on port throughput from macro and micro aspects, and determine the correlation between seasonal factors and throughput from the limited data available.Therefore, this paper will forecast the throughput according to the quarter and will take the throughput of last year and the year before as the input data of BP neural network.At the same time, it is found that the fixed assets investment of the secondary industry and the tertiary industry have a large correlation coefficient with the port throughput of Lianyungang before the second quarter, which can be used to forecast the port throughput.Then several traditional throughput forecasting methods are introduced and two methods of cubic exponential smoothing and unitary regression forecasting are selected to predict the throughput of Lianyungang port.The shortcomings of the prediction method are also analyzed.Then, in order to overcome these problems of traditional forecasting methods, this paper constructs BP neural network in MATLAB, and selects the data of the influence factors of port throughput of Lianyungang port as the empirical research object to forecast.It is found that the prediction results are not ideal. By analyzing the prediction results, it is found that the randomness of the initial weights and thresholds in the BP neural network affects the forecasting results of the port throughput of Lianyungang port.Therefore, genetic algorithm is selected to optimize BP neural network to obtain more ideal prediction results.The optimal initial weights and thresholds are processed by genetic algorithm, and the initial weights and thresholds are assigned to BP neural networks.By comparing the new evaluation results with the previous ones, it can be found that the BP neural network after optimizing the weights and thresholds of genetic algorithm is more effective.It is proved that the BP neural network optimized by genetic algorithm is feasible and effective in forecasting the throughput of Lianyungang port.
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U652.14;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;山東省沿海港口吞吐量突破2億噸[J];山東行政學(xué)院山東省經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào);2002年06期

2 ;中國內(nèi)河主要港口吞吐量統(tǒng)計(jì)(1990～2002年)[J];中國港口;2003年06期

3 彭傳圣;;2004年全球港口吞吐量排名[J];港口裝卸;2006年05期

4 朱暉;封學(xué)軍;馮向波;;港口吞吐量增長率對吞吐量預(yù)測的影響與實(shí)證分析[J];水運(yùn)工程;2006年11期

5 ;山東去年沿海港口吞吐量突破5億噸[J];航海;2008年01期

6 費(fèi)海波;彭傳圣;;2007年全球港口吞吐量排名[J];港口裝卸;2009年03期

7 ;美國集裝箱港口吞吐量增長將放緩[J];中國遠(yuǎn)洋航務(wù);2010年08期

8 祝建;;我國港口吞吐量預(yù)測方法研究綜述[J];中國水運(yùn);2010年11期

9 張暉;;加強(qiáng)和改進(jìn)港口吞吐量統(tǒng)計(jì)工作的對策研究[J];安徽工業(yè)大學(xué)學(xué)報(bào)(社會科學(xué)版);2012年03期

10 丁承顯;日本港口吞吐量簡況[J];水運(yùn)工程;1980年09期

相關(guān)會議論文 前2條

1 蔣千;;沿海港口布局規(guī)劃及“十一五”期發(fā)展重點(diǎn)[A];第十三屆中國海洋（岸）工程學(xué)術(shù)討論會論文集[C];2007年

2 陳佳穎;陳可嘉;;福州港港口吞吐量預(yù)測[A];第16屆全國灰色系統(tǒng)學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 龍巍邋魏敏 通訊員 鄭良權(quán) 文麗紅;防城港中小港口吞吐量迅猛攀升[N];中國水運(yùn)報(bào);2007年

2 ;防城港港口吞吐量突破4500萬噸[N];廣西日報(bào);2010年

3 記者 吳宏雄 李向娟 通訊員 蘇偉燦;首季港口吞吐量突破億噸[N];福建日報(bào);2013年

4 記者 曹玲　通訊員 俞韶華;今年確保完成港口吞吐量3.1億噸[N];舟山日報(bào);2013年

5 陳良超;二季度長江港口吞吐量將增12%[N];中國水運(yùn)報(bào);2013年

6 YMG記者 高偉 通訊員 于長俊;一季度全市港口吞吐量再創(chuàng)新高[N];煙臺日報(bào);2013年

7 本報(bào)記者;全省沿海港口吞吐量同比增長12.1%[N];福建日報(bào);2013年

8 記者 林英;港口吞吐量持續(xù)增加[N];湄洲日報(bào);2013年

9 焦童;前三季度沿海港口吞吐量增幅明顯[N];中國海洋報(bào);2013年

10 本報(bào)記者;前9個月沿海港口吞吐量同比增長10.5%[N];福建日報(bào);2013年

相關(guān)博士學(xué)位論文 前2條

1 黃杰;沿海港口吞吐量與國民經(jīng)濟(jì)關(guān)系研究[D];大連海事大學(xué);2011年

2 李明偉;混沌云粒子群混合優(yōu)化算法及其在港口管理中的應(yīng)用研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 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)測中的應(yīng)用研究[D];深圳大學(xué);2017年

2 徐蘭燕;中國沿海港口吞吐量增長放緩的時(shí)間段判斷[D];寧波大學(xué);2013年

3 郭穎;港口吞吐量與交通規(guī)費(fèi)收入相關(guān)性研究[D];大連海事大學(xué);2008年

4 劉馳;我國沿海港口吞吐量預(yù)測方法和模型研究[D];武漢理工大學(xué);2012年

5 武瑞利;全國港口吞吐量非全面調(diào)查方法研究[D];大連海事大學(xué);2006年

6 鄧超風(fēng);環(huán)渤海主要港口吞吐量預(yù)測模型研究[D];武漢理工大學(xué);2006年

7 臧文亞;重慶港口吞吐量組合預(yù)測[D];成都理工大學(xué);2012年

8 史艷嬌;港口吞吐量發(fā)展水平預(yù)測技術(shù)優(yōu)選研究[D];天津大學(xué);2008年

9 蘇凌;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的港口吞吐量預(yù)測研究[D];上海海事大學(xué);2006年

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

，

本文編號：1732467