基于时间序列分析的散杂货港口吞吐量短期预测研究

发布时间：2020-10-27 09:16

　　 港口是国内外物流重要的支撑力量,日益加剧的竞争环境促使港口向智慧化、精细化方向转型。吞吐量是衡量企业生产经营活动的重要依据。吞吐量长期预测有助于企业投资规划、制定发展策略。吞吐量短期预测可以辅助企业安排生产活动、调整企业运营节奏,对企业精细化发展意义重大。本文引入深度学习技术对散杂货港口月度吞吐量数据建模,从时间序列分析的角度研究吞吐量短期预测问题,主要包括以下几方面:(1)散杂货港口吞吐量时间序列特性分析,验证了其线性与非线性交织的复合型发展趋势。结合散杂货运输的业务特点,挖掘其长期性、季节性、波动性等多特征,将以上多特征的影响因素提取出来用于后续建模。(2)基于ARIMA的线性吞吐量预测模型、基于LSTM的非线性吞吐量预测模型的构建与验证。通过网格搜索法确定模型最优参数。将多特征影响因素引入到LSTM模型,进一步提高其预测精度。(3)吞吐量预测组合模型的构建与应用。为了避免单一预测模型在复合型问题的不足,采用权重分配的方式将线性模型与非线性模型组合。将组合模型嵌入到港口生产业务系统中辅助集团及港务分公司管理决策。本文以广州港集团G港务分公司为例,验证了线性模型ARIMA与非线性模型LSTM的适用性及优势。组合模型预测平均相对误差为0.096,远低于三次指数平滑法的0.1819。此外,选取了 RMSE、MAE以及误差等级等对预测效果进行评估,论证了组合模型的优越性。本文提出的组合模型对港口企业吞吐量预测有一定的参考意义。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F224;F552.6
【部分图文】：

年吞吐量计划是在每年年初制定的。港务分公司上报年吞吐量计划，经与集团??总部反复沟通后，集团总部确定最终的年吞吐量计划下发到港务分公司，将年吞吐??量计划完成情况作为港务分公司绩效考核依据。图１－１是年吞吐量计划制定流程??图。??港务ｙ公司?｜?Ｉ?隼团＿总部??ｉ?上报年吞吐霣计划?！??！?＞］??ｉ?反复沟通协调??＾??ｉ?下发年吞吐屋计划??ｆ６?将其作为绩效考核依据?ｉ??图丨－１广州港集团年吞吐量计划制定流程图??Ｆｉｇｕｒｅ?１－１?Ｐｒｏｃｅｓｓ?ｏｆ?Ｇｕａｎｇｚｈｏｕ?Ｐｏｒｔ?Ｃｏｍｐａｎｙ?Ａｎｎｕａｌ?Ｔｈｒｏｕｇｈｐｕｔ?Ｐｌａｎｎｉｎｇ??月吞吐量计划是月初制定的。为了掌握港务分公司实际作业情况，集团要求港??务分公司每天上报日吞吐量。集团总部对上个月吞吐量完成情况进行评估，制定本??月吞吐量计划并下发到港务分公司。港务分公司通过月度吞吐量计划指导生产。图??１－２是月吞吐量计划制定流程图。??Ｉ?港务ｙ公司?｜?Ｉ?第团总部??ｊ?上报日吞吐量???下发月吞吐量计划?！??ｒ＜?－；??图１＿２广州港月吞吐量计划制定流程图??Ｆｉｇｕｒｅｌ－２?Ｐｒｏｃｅｓｓ?ｏ

北京交通大学硕士学位论文???第五章：散杂货港口吞吐量预测组合模型及结果分析。本节通过权重分配的方??式组合线性模型与非线性模型。对比了指数平滑法、基于ＡＲＩＭＡ的线性吞吐量预??测模型、多特征ＬＳＴＭ吞吐量预测模型及组合模型的预测结果，组合模型预测效??果很好，Ｇ公司吞吐量预测平均相对误差为０．０９６。最后提出了预测模型的应用方??向。??第六章：总结与展望。总结本次论文的成果及不足，以及下一步研宄方向。??－－－－－－?￣?１???

图１－５技术路线??Ｆｉｇｕｒｅ?１－５?Ｔｅｃｈｎｉｃａｌ?Ｒｏｕｔｅ??
【参考文献】

相关期刊论文 前10条

1 史磊磊;;基于马尔科夫链的组合预测在港口吞吐量预测的应用[J];现代经济信息;2015年16期

2 王学军;唐璐;周柏霖;;基于时间序列模型的重庆港货物吞吐量预测[J];科技展望;2015年12期

3 许利枝;汪寿阳;;集装箱港口预测研究方法:香港港实证研究[J];管理科学学报;2015年05期

4 杜刚;刘娅楠;;季节性变动影响下的上海港集装箱吞吐量预测[J];华东师范大学学报(自然科学版);2015年01期

5 李桂芝;白秋颖;;基于系统聚类的营口港吞吐量影响因素分析[J];物流技术;2015年01期

6 刘建伟;刘媛;罗雄麟;;深度学习研究进展[J];计算机应用研究;2014年07期

7 辛曼玉;;基于ARIMA-RBF神经网络的沿海港口吞吐量预测研究[J];武汉理工大学学报(交通科学与工程版);2014年01期

8 薛俊强;;宁波港集装箱吞吐量预测模型的选择[J];华东经济管理;2013年05期

9 张美英;何杰;;时间序列预测模型研究综述[J];数学的实践与认识;2011年18期

10 严武元;王少梅;;PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用[J];武汉理工大学学报(交通科学与工程版);2007年03期

相关博士学位论文 前1条

1 张驰;数据资产价值分析模型与交易体系研究[D];北京交通大学;2018年

相关硕士学位论文 前9条

1 王渊明;基于LSTM神经网络的电商需求预测的研究[D];山东大学;2018年

2 李帅;基于大规模快递数据的时序分析研究与实现[D];北京邮电大学;2018年

3 杨客;遗传算法优化的BP神经网络在连云港港口吞吐量预测中的应用研究[D];深圳大学;2017年

4 吴少聪;基于混合模型的股票趋势预测方法研究[D];哈尔滨工业大学;2017年

5 宁海博;基于ABC-BP神经网络引航量预测研究[D];大连海事大学;2017年

6 查茜;港口集装箱吞吐量时间序列预测方法研究[D];重庆大学;2016年

7 史晓丹;基于粗糙集与遗传规划的港口吞吐量预测研究[D];北京交通大学;2014年

8 陈双金;时间序列单位根检验方法比较[D];电子科技大学;2013年

9 郭睿;基于BP神经网络的天津港吞吐量预测研究[D];天津大学;2012年

本文编号：2858338