基于混合模型EWT-PSO-SA-SVR的港口吞吐量区间预测

发布时间：2020-03-24 23:41

【摘要】：近年来,随着中国经济的不断繁荣,中国港口已经成为世界港口运输中的重要组成部分。港口集装箱吞吐量的准确预测对于未来港口的建造和升级都起着非常重要的作用。本文重点对大连港和深圳港集装箱吞吐量数据进行分析,提出了混合模型EWT-PSO-SA-SVR并进行区间预测。首先,应用经验小波变换(EWT)对原始数据序列进行分解,得到一个分解序列集;其次,选用粒子群模拟退火优化算法(PSO-SA)优化支持向量回归(SVR)中的参数;最后,运用新提出的区间预测混合模型EWT-PSO-SA-SVR对大连港和深圳港集装箱吞吐量数据进行了区间预测。在本文当中,也对新提出的组合模型与其他模型进行了比较,比较模型有EWT-CPSO-SVR、EWT-CS-SVR、EWT-PSO-SVR和EWT-FASVR。实证结果表明,本文提出的混合模型在大连港和深圳港集装箱吞吐量数据上的预测性能优于其他比较模型。
【图文】：

SVM结构图

图 2.2 粒子群优化算法（PSO）流程图2.3.2 模拟退火算法（SA）模拟退火算法（SA）[30]最初是由著名的物理学家 Metropolis 于一九五出的，但模拟退火思想在提出之初没有被应用到优化领域，，直到一九八
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U652.14

【参考文献】

相关期刊论文 前10条

1 张华春;黄有方;胡坚X;;基于GRA-TOOPSO-LSSVM的港口吞吐量预测[J];上海海事大学学报;2017年01期

2 刘灿;;基于改进灰色模型的汕头港吞吐量预测[J];中国水运(下半月);2017年03期

3 黄跃华;陈海山;;优化的GM(1,1)幂模型在港口吞吐量预测中的应用[J];中国航海;2016年02期

4 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

5 费达;单恒年;;吞吐量主要影响因素的研究[J];中国水运(下半月);2011年10期

6 梁毅华;陈文静;;深圳港口发展及其影响因素——基于协整模型实证[J];工业技术经济;2011年08期

7 秦芳;周鹏飞;魏晓晓;樊义忠;;基于聚类的港口吞吐量预测方法及其适用性分析[J];水道港口;2011年03期

8 杨尚文;胡明华;;机场旅客吞吐量预测的组合方法研究[J];武汉理工大学学报(交通科学与工程版);2009年02期

9 石勇;殷惠;;基于BP神经网络的武汉港货物吞吐量预测[J];中国水运(理论版);2007年10期

10 武骁,宗蓓华;基于支持向量机回归的港口吞吐量非线性组合预测[J];河海大学学报(自然科学版);2005年04期

相关硕士学位论文 前2条

1 孙少龙;基于‘分解-聚类-集成’学习范式的太阳辐射量预测技术研究及应用[D];兰州大学;2016年

2 魏巧云;我国水路货物运输流向分析与预测研究[D];武汉理工大学;2003年

本文编号：2599039