基于G(0,n)灰色关联法预测港口吞吐量

港口货物吞吐量受多因素不同程度的影响,采用灰色关联法分析各因素与吞吐量之间的关联度。根据关联度大小排除对吞吐量影响较小的因素,利用确定的主要因素数据建立G(0,n)模型,进而对港口吞吐量进行预测。对预测的结果进行残差检验。表明这种方法有较高的准确度,满足实际需求。     

基于遗传算法优化BP神经网络的集装箱吞吐量预测

集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。     

大丰港货物吞吐量的时间序列法预测研究

根据大丰港的历史数据,采用时间序列的回归分析方法对大丰港货物吞吐量进行预测研究。在回归分析法中,通过比较,选择指数模型、高次多项式模型以及支持向量机方法分别对大丰港的货物吞吐量进行模拟预测。对指数模型、多项式模型、支持向量机三种方法的预测结果进行比较,并结合大丰港的实际情况,最终选择使用支持向量机法给出大丰港2012—2016年的货物吞吐量预测值。     

基于BP神经网络的龙洞堡机场旅客吞吐量预测研究

精确的预测机场旅客吞吐量对贵阳龙洞堡机场提供最优调配具有重要意义。文章首先运用灰色关联度计算出各个影响因素与旅客吞吐量之间的关联度;然后合理选择隐含层神经元个数及输入层、隐含层、输出层的激励函数,提高预测精度,使误差达到最小;用BP神经网络模型选取2005-2009年数据作为网络训练样本,2010-2014年五年数据为测试样本。结果表明:对2010-2014年旅客吞吐量的预测值与实际值之间的误差较小,然后通过设定好的BP神经网络对2015年的机场旅客吞吐量进行预测。     

福建省港口货物吞吐量的影响因素协调性研究

港口货物吞吐量的影响因素很多,因此首先采用灰关联度分析方法对福建省港口货物吞吐量的影响因素进行评价,然后建立GM（1,N）模型对港口货物吞吐量的影响因素进行协调性研究。最后提出有针对性的对策建议促进福建省港口物流发展。     

基于BP神经网络的港口吞吐量预测模型——钦州港的实证研究

港口吞吐量的预测是港口决策的重要依据,然而影响港口吞吐量的要素较多,且各要素之间存在着复杂的非线性关系,使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法,采集1999~2012年的实际数据样本,以钦州港为例进行实证分析,构建三层BP神经网络,预测2013年钦州港港口吞吐量。     

机场货物吞吐量的灰色预测方法研究

建立了机场货物吞吐量的灰色预测模型-GM(1,1)模型,对机场货物吞吐量进行了预测。表明该方法具有所需原始数据少、原理简单、运算方便、预测精度高和可检验性等优点。     

基于改进型BP神经网络模型的机场物流吐量预测研究

对BP神经网络模型进行了改进，并用于机场物流吞吐量的预测，通过运用桂林机场的实际数据进行检验分析，证明改进后的模型在对机场物流吞吐量和旅客吞吐量的预测上均具有较高的准确性和敏捷性。     

基于因果反馈分析的机场旅客吞吐量预测方法研究——以北京首都国际机场为例

为寻求一种预测精度较高的、适应我国民用机场特点的预测方法,在机场供需分析的基础上对机场建设与社会经济发展进行了因果关系分析,提出社会经济和机场供给能力对机场旅客吞吐量的影响同样重要,进而从中提取有效数据,构建BP神经网络模型,实现经济-航空运输需求的转换,从而使预测结果更加精确。通过首都国际机场实例证明,基于因果反馈分析的BP神经网络预测方法更具有独特优势,预测精度得到了大幅提高。     

港口物流与城市经济关系的实证研究——基于厦门港与厦门地区经济指标

本文以厦门港1985年—2012年数据为基础,运用向量自回归模型、脉冲响应函数分析等方法,对港口物流与城市经济之间的影响机制做了实证研究。研究结果表明,货物吞吐量、进出口总额、地区生产总值三者之间存在协整关系,港口货物吞吐量对GDP具有持久影响,而GDP仅影响当期港口货物吞吐量,港口货物吞吐量与进出口总额之间存在相互持久的正向影响,建议做好港口建设中长期规划,促进外贸发展,推进港城共荣。     

公路货运配载系统的研究与设计

分析目前公路货运配载业的现状,针对货物运输过程中信息不畅、空驶现象严重的情况,以货运配载为研究对象,根据配载原则和业务流程建立配载系统模型,设计开发货运配载系统,实现管理系统的业务操作与网络平台的信息采集、处理的有效整合,辅助物流管理,促进运输资源优化配置.     

基于集成学习的多式联运货运量预测模型构建

货运量精准预测是多式联运网络高效协同发展的重要基础,货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此,通过挖掘货物运输量(集装箱)的时间变化特征,构建初始相关时间特征输入集,结合斯皮尔曼相关性系数分布,采用Bagging+BP集成学习方法训练多个弱分类器,最终组合获取高精度的强学习模型。以南京龙潭港为例,对自回归移动平均模型(ARIMA)、Bagging+BP集成学习网络以及长短时记忆神经网络(LSTM)三种模型进行评价,实验结果表明,相比于其他模型,提出的Bagging+BP集成学习网络预测性能良好,有一定的实用价值。     

基于组合预测模型的航空货运吞吐量预测研究

目前对于机场货运吞吐量的预测方法不尽合理,导致预测与实际情况差别较大,为此本文提出将内在影响因素融入组合预测模型,从而对航空货物运输进行预测,使得预测结果更加接近实际情况.本文以香港国际机场为背景,运用Shapley值法将BP神经网络和灰色理论预测模型进行组合,对其航空货运吞吐量进行了实证研究,并将此预测方法推广应用于其他机场的预测.     

基于灰色GM(1,1)模型的广西航空物流预测分析

运用GM(1,1)模型对"十二五"规划期间广西航空市场货邮吞吐量进行了预测,得出"十二五"末广西航空货邮吞吐量将达到15.8万吨。通过预测数据与实际数据对比表明该方法的预测精度较高,有一定的应用价值。     

基于粒子群优化BP神经网络的房价预测

针对房价预测问题,文章给出一种基于粒子群优化的BP神经网络算法,并利用该算法提出两种预测房屋销售价格指数的方法。对房屋销售价格月指数的时间序列预测,直接建立PSO-BP模型;而对年指数预测,首先选择房价影响因素进行因子分析,然后在此基础上建立PSO-BP模型。两种对房屋销售价格指数的PSO-BP模型预测结果与BP模型相比,其精度均有较大提高,收敛更快。     

大连港口物流发展趋势预测及战略研究

文章根据大连近十年的港口统计数据,运用回归分析方法、灰色模型对大连港口货物及集装箱吞吐量进行预测,针对性的制定港口物流发展战略定位,提出具体战略措施。