【摘要】：在全球經(jīng)濟快速發(fā)展的今天,一個國家的經(jīng)濟繁榮和港口的運輸能力息息相關,而港口的規(guī)劃建設、生產(chǎn)能力和資金投入等都和集裝箱吞吐量的預測有很大的聯(lián)系�，F(xiàn)有的港口集裝箱吞吐量預測多為傳統(tǒng)的回歸、時間序列方法,組合模型在很大程度上能夠提高預測的準確率。因此,本文提出了一個預測加評價的混合模型,集合了變分模態(tài)分解(VMD)、相空間重構(PSR)、鯨魚優(yōu)化算法(WOA)、支持向量回歸(SVR)以及模糊評價。首先,利用VMD對原始數(shù)據(jù)預處理,利用基于C-C法的PSR來決定預測的輸入形式;其次,利用WOA對SVR的c,g參數(shù)進行優(yōu)化,并利用該模型進行預測;最后,利用模糊綜合評價將真實值和預測結果進行對比,以評價提出的混合模型的預測準確度。將本文提出的混合模型運用于2001.1~2017.1上海港港口集裝箱吞吐量月度數(shù)據(jù)中,研究結果顯示,本文提出的混合模型能明顯的減小誤差。
【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
【圖文】：

基于預測加評價混合模型的整體框架圖

通過圖形顯示出來，如圖 1-1。圖 4-3 中，綠色折線為原始數(shù)據(jù)，從圖中可以看出，與原始數(shù)據(jù)相比，提出的混合模型 VMD- PSR- WOA- SVR 的預測效果比其他三個基準模型的要好很多，預測出來的結果與原始的真實數(shù)據(jù)非常相近。表 4-3 各個模型對比結果混合模型 MSE MAE MAPE NMSE FVD CDFRPSR-WOA-SVR 701.6757 19.6947 0.0707 0.0099 0.405 0.2963VMD-PSR-WOA-SVR 218.9919 14.1582 0.0451 0.003 0.8596 0.92EEMD-PSR-WOA-SVR 470.2291 18.5401 0.0654 0.0064 0.582 0.6481VMD-WOA-SVR 283.4167 14.8944 0.05 0.0034 0.7705 0.7222VMD-PSR-PSO-SVR 342.4817 16.4488 0.0566 0.004 0.7484 0.6604VMD-PSR-GSA-SVR 833.2298 25.8336 0.0879 0.012 0.6395 0.7547Elman 527.3027 17.4326 0.063 0.0075 0.4653 0.5763BP 607.4082 21.0513 0.0743 0.0082 0.5214 0.4746

圖 4-4 不同優(yōu)化算法下的混合模型預測效果對比圖 4-4 中，原始數(shù)據(jù)的折線圖為綠色線條，可以明顯看出，紅色折線，即所提出模型的折線圖更接近于原始數(shù)據(jù)的折線圖，預測效果較其他連個混合基準模型好。

【參考文獻】

相關期刊論文 前8條

1 HUANG Anqiang;LAI Kinkeung;LI Yinhua;WANG Shouyang;;Forecasting Container Throughput of Qingdao Port with a Hybrid Model[J];Journal of Systems Science & Complexity;2015年01期

2 關克平;齊夢雅;;基于指數(shù)平滑法的寧波-舟山港港口吞吐量預測研究[J];中國水運(下半月);2013年12期

3 劉枚蓮;朱美華;;基于BP神經(jīng)網(wǎng)絡的港口吞吐量預測模型[J];系統(tǒng)科學學報;2012年04期

4 陳岱蓮;;我國港口集裝箱吞吐量影響因素評價分析[J];網(wǎng)絡財富;2010年19期

5 曹成濤;崔鳳;林曉輝;;基于神經(jīng)網(wǎng)絡的交通狀態(tài)模糊判別方法[J];科學技術與工程;2010年21期

6 高鳳姣;石小法;;上海港口集裝箱吞吐量影響因素分析[J];物流技術;2009年09期

7 闞寶珠;付強;宋族鑫;;基于超標倍數(shù)賦權法的模糊物元在濕地水質(zhì)評價中的應用[J];安全與環(huán)境學報;2009年01期

8 張飛;康繼田;;基于模糊評價方法的集裝箱港口市場競爭力研究[J];武漢理工大學學報(信息與管理工程版);2008年06期

相關博士學位論文 前1條

1 卜全民;環(huán)境質(zhì)量模糊評價方法應用研究[D];河海大學;2007年

相關碩士學位論文 前3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研究及應用[D];蘭州大學;2016年

2 臧文亞;重慶港口吞吐量組合預測[D];成都理工大學;2012年

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

本文編號：2778681