【摘要】：近年來,隨著中國經(jīng)濟的不斷繁榮,中國港口已經(jīng)成為世界港口運輸中的重要組成部分。港口集裝箱吞吐量的準確預測對于未來港口的建造和升級都起著非常重要的作用。本文重點對大連港和深圳港集裝箱吞吐量數(shù)據(jù)進行分析,提出了混合模型EWT-PSO-SA-SVR并進行區(qū)間預測。首先,應用經(jīng)驗小波變換(EWT)對原始數(shù)據(jù)序列進行分解,得到一個分解序列集;其次,選用粒子群模擬退火優(yōu)化算法(PSO-SA)優(yōu)化支持向量回歸(SVR)中的參數(shù);最后,運用新提出的區(qū)間預測混合模型EWT-PSO-SA-SVR對大連港和深圳港集裝箱吞吐量數(shù)據(jù)進行了區(qū)間預測。在本文當中,也對新提出的組合模型與其他模型進行了比較,比較模型有EWT-CPSO-SVR、EWT-CS-SVR、EWT-PSO-SVR和EWT-FASVR。實證結(jié)果表明,本文提出的混合模型在大連港和深圳港集裝箱吞吐量數(shù)據(jù)上的預測性能優(yōu)于其他比較模型。
【圖文】：

SVM結(jié)構(gòu)圖

圖 2.2 粒子群優(yōu)化算法（PSO）流程圖2.3.2 模擬退火算法（SA）模擬退火算法（SA）[30]最初是由著名的物理學家 Metropolis 于一九五出的，但模擬退火思想在提出之初沒有被應用到優(yōu)化領(lǐng)域，，直到一九八
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U652.14

【參考文獻】

相關(guān)期刊論文 前10條

1 張華春;黃有方;胡堅X;;基于GRA-TOOPSO-LSSVM的港口吞吐量預測[J];上海海事大學學報;2017年01期

2 劉燦;;基于改進灰色模型的汕頭港吞吐量預測[J];中國水運(下半月);2017年03期

3 黃躍華;陳海山;;優(yōu)化的GM(1,1)冪模型在港口吞吐量預測中的應用[J];中國航海;2016年02期

4 許利枝;汪壽陽;;集裝箱港口預測研究方法:香港港實證研究[J];管理科學學報;2015年05期

5 費達;單恒年;;吞吐量主要影響因素的研究[J];中國水運(下半月);2011年10期

6 梁毅華;陳文靜;;深圳港口發(fā)展及其影響因素——基于協(xié)整模型實證[J];工業(yè)技術(shù)經(jīng)濟;2011年08期

7 秦芳;周鵬飛;魏曉曉;樊義忠;;基于聚類的港口吞吐量預測方法及其適用性分析[J];水道港口;2011年03期

8 楊尚文;胡明華;;機場旅客吞吐量預測的組合方法研究[J];武漢理工大學學報(交通科學與工程版);2009年02期

9 石勇;殷惠;;基于BP神經(jīng)網(wǎng)絡的武漢港貨物吞吐量預測[J];中國水運(理論版);2007年10期

10 武驍,宗蓓華;基于支持向量機回歸的港口吞吐量非線性組合預測[J];河海大學學報(自然科學版);2005年04期

相關(guān)碩士學位論文 前2條

1 孫少龍;基于‘分解-聚類-集成’學習范式的太陽輻射量預測技術(shù)研究及應用[D];蘭州大學;2016年

2 魏巧云;我國水路貨物運輸流向分析與預測研究[D];武漢理工大學;2003年

本文編號：2599039