基于VMD-ARIMA-HGWO-SVR组合模型的港口集装箱吞吐量预测

发布时间：2020-07-07 16:16

【摘要】：当今全球经济高度一体化,海洋运输已经成为全球经济贸易链中最重要的环节之一。海港作为吞吐货物的聚集地,其建设往往伴随着巨额的、不可逆转的投资,因此,如何更加合理的建设海港逐渐得到了人们的高度重视。港口集装箱吞吐量预测有助于确定合理的投资规模、优化布局、降低运营成本、制定发展战略,从而实现最大的投资效益。因此,准确预测港口集装箱吞吐量已经成为当今的一个研究热点。基于此,本文构建了一个新的分解-集成组合模型VMD-ARIMA-HGWOSVR(VAHS),以期对港口的集装箱吞吐量实现较高精度的预测。首先,该模型采用最新的变分模态分解算法(VMD)将原始序列分解为若干模态(分量);其次,通过建立差分自回归滑动平均模型(ARIMA)预测波动性较小的低频分量;再次,利用最近提出的混合灰狼优化(HGWO)群体智能算法进行参数优化后的支持向量回归模型(SVR)对波动性较大的高频分量进行预测;最后,集成所有模态的预测结果得到最终结果。本文选取目前全球最大的两个港口的月度集装箱吞吐量数据,即2001年1月至2016年5月上海港口和1995年1月至2016年5月新加坡港口的历史数据进行实证研究。通过MSE,MAE,MAPE,CDFR和FVD误差分析指标评价和DM检验,对本文提出的VMD-ARIMA-HGWO-SVR模型和其他基准模型的预测效果进行比较,对比结果表明,VMD算法比CEEMD和WD等其他分解方法更有效,采用ARIMA模型预测低频分量比使用SVR模型预测所有分量产生更好的结果,VAHS模型预测结果较其他模型与实际数据更为相近,实现了最高的预测精度。因此,该模型有望用于实际工作中,为港口的规划、建设、运营管理及科学发展提供参考。
【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;U695.22
【图文】：

港口集装箱吞吐量,港口发展,组合模型,港口发展战略

图 1-1 本文研究路线图1.3.3 章节安排本文共分为四章，具体框架及结构安排如下：第一章，绪论。该部分介绍了集装箱吞吐量预测的背景及意义，指出港口集装箱吞吐量预测是港口发展战略研究的重要内容, 是正确制定港口规划的基础，对港口运输系统的各个方面都有着关键的作用，有助于确定合理的港口发展方向和投资规模、进行科学的港口布局、优化港口的体系结构、制定港口未来的运营和发展战略、有效提高港口的运营管理效率，降低运营成本等。接着对当前国内外关于港口集装箱吞吐量预测的研究文献进行综合分析，在总结前人工作和全球港口发展情况的基础上，确定了以上海港和新加坡港的港口集装箱吞吐量短期预测为实证研究对象，提出了建立 VMD-ARIMA-HGWO-SVR 分解合成组合模型的研究思路，并归纳总结本文的创新之处。第二章，模型概述。该部分简要介绍了 VMD，ARIMA，SVR 和 HGWO 算法模型，并列出了本文所提出的 VMD-ARIMA-HGWO-SVR 组合模型的建立过

层次结构图,层次结构,猎物,主种

（HGWO）法（GWO）到灰狼的社会领导和群体狩猎行为的启WO）[29]。灰狼大多群居，如图 2-2 所次。群体的领导者（头狼）被称为 Allpha 的决定会被传送到整个种群并且被它帮助 Alpha 制定决策并给予 Alpha 反们服从 Alpha 和 Beta 并对其负责，主种群的安全。最低排名的灰狼是 Omeg骤可概括如下[29-30]：近猎物。扰猎物，直到它停止移动。

上海港,集装箱吞吐量,月度,走势图

州大学硕士学位论文基于 VMD-ARIMA-HGWO-SVR 组合模型的港口集装箱吞吐量预3.2 数据走势本部分对于所选取的上海港和新加坡港的月度集装箱吞吐量历史数据进图分析如下：

【参考文献】