基于GRA-GA-BP神经网络的港口集装箱吞吐量预测模型

港口集装箱吞吐量的准确预测对于港口的未来发展规划及该港口所属腹地的经济发展具有重要的指导意义。为实现输入变量的降维,提高预测精度,避免出现局部最优解,借助灰色关联分析对输入变量进行筛选和排序,引入遗传算法作为优化BP神经网络内初始权值及阈值的工具,并基于此建立模型对环渤海港口群三大代表港口2016-2019年集装箱吞吐量进行实证对比分析。最后横向比较传统BP模型和GA-BP模型的预测结果,研究结果表明：经GRA-GA算法优化BP神经网络模型相较于GA-BP神经网络模型与未经过改善的传统的BP神经网络模型其预测结果更为理想,研究结果对港口的战略规划及发展具有一定的参考价值。     

改进非线性灰色模型在港口集装箱吞吐量预测中的研究与应用

根据灰色理论原理,提出改进的非线性灰色模型GMP(1,1,α),并应用于港口集装箱吞吐量的预测.通过实例分析,证明改进的非线性灰色预测模型具有较高的预测精度,有一定的实用价值.     

改进非线性灰色模型在港口集装箱吞吐量预测中的研究与应用

根据灰色理论原理，提出改进的非线性灰色模型GMP（1，1，α），并应用于港口集装箱吞吐量的预测。通过实例分析，证明改进的非线性灰色预测模型具有较高的预测精度，有一定的实用价值。     

遗传算法和BP神经网络的电信业产出预测

电信业产出是衡量电信产业发展状况的主要指标,其影响因素具有较强的非线性和随机性,很难用传统的预测方法进行预测。而BP神经网络方法具有的较强非线性映射能力和柔性网络结构在解决这一问题时具有明显优势。本文基于遗传算法改进的BP神经网络模型,利用我国电信市场从1998至2012年15年数据作为训练数据与测试数据应用于电信业产出规模预测。研究结果表明,基于遗传算法的BP神经网络模型预测精度明显大于传统预测方法,可为电信业的健康和快速发展提供一种新的、可量化的工具和方法。     

基于灰色神经网络的区域物流需求预测

区域物流与区域经济存在密切关系。从决定区域物流需求的经济因素出发,利用BP神经网络的非线性强拟合能力,建立两者的非线性映射关系;针对模型外推预测的能力不足提出改进的方案,采用灰色模型与神经网络相结合进行预测研究,并用广东省物流需求预测做实证,验证了模型的有效性。     

组合预测模型在武汉港集装箱吞吐量预测中的应用

为使港口集装箱吞吐量预测的误差更小,精度更高,提出运用弹性系数法、灰色模型法、三次指数平滑法的组合预测模型,预测了武汉港未来特征年的集装箱吞吐量,研究结果表明,组合模型相比单一预测方法能够降低误差、提高精度,预测结果更加理想。     

基于GA—BP算法的模糊神经网络模型在港口物流量预测中的应用

以国内某港口为倒,通过应用遗传算法改进的BP学习算法（GA—BP）的模糊神经网络模型,对港口物流量进行预测。最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的改进模型预测误差非常小。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

基于遗传算法的BP神经网络在汇率预测中的应用研究

本文针对经典的BP神经网络所存在的缺陷，结合遗传算法，提出了基于实数编码的GA-BP神经网络预测人民币美元汇率的模型。在结合递归预测方法的基础上，该模型取得了令人满意的结果。     

基于优化BP神经网络模型的上市公司财务危机预警

利用粗糙集的约简技术对上市公司的预警指标进行约简,降低神经网络的复杂性和提高网络预测速度及精度,采用遗传算法作为神经网络模型的前置装置,对网络输入端的初始值和阀值进行最优化,缩短网络训练时间,提高了网络的预测精度。实证研究显示,优化模型的财务危机预测精度高于传统BP神经网络模型的预测精度。     

基于系统动力学的集装箱海铁联运运量预测研究

集装箱海铁联运系统是一个受多因素影响的、非线性、高阶次复杂系统。为了提高集装箱海铁联运系统预测的精度,应用系统动力学理论及方法,考虑系统中腹地经济、对外贸易、运输需求、港口、铁路建设投资等多个基本要素,构建要素间的因果关系图,分析基本反馈关系。在此基础上建立了集装箱海铁联运系统SD(System Dynamics)模型,并应用大连港集装箱海铁联运系统相关统计数据对模型进行了仿真和验证,结果证明该模型有效可行,且预测精度较高。     

基于系统动力学的集装箱海铁联运运量预测研究

集装箱海铁联运系统是一个受多因素影响的、非线性、高阶次复杂系统.为了提高集装箱海铁联运系统预测的精度,应用系统动力学理论及方法,考虑系统中腹地经济、对外贸易、运输需求、港口、铁路建设投资等多个基本要素,构建要素间的因果关系图,分析基本反馈关系.在此基础上建立了集装箱海铁联运系统SD(System Dynamics)模型,并应用大连港集装箱海铁联运系统相关统计数据对模型进行了仿真和验证,结果证明该模型有效可行,且预测精度较高.     

BP神经网络在防城港货物吞吐量预测中的应用

由于港口吞吐量的影响因素相当多,这些影响因素中大部分又是不可量化指标．造成数据收集和确定的困难。在介绍BP算法的基础下,使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,该模型不仅解决影响因素多、数据难收集的问题,而且是货物吞吐量预测方法中精度很高的一种有效方法。     

基于灰色马尔科夫模型的上海港集装箱吞吐量预测

为了准确有效地对港口集装箱吞吐量进行预测,提出一种基于灰色GM(1,1)模型和马尔科夫链模型相结合的灰色马尔科夫模型,以上海港2003～2017年集装箱吞吐量数据为研究对象进行预测计算,得到2018～2022年的吞吐量预测值。结果表明:灰色马尔科夫模型能弥补单一灰色GM(1,1)模型对波动性较大数据预测精度不高的不足,使平均相对误差由0.07216下降到0.02188,模型的预测精度有了明显的提升,适用于中长期的预测。     

基于极效率DEA的集装箱港口绩效评价研究

基于我国主要集装箱港口各大集装箱码头公司的相关数据,以各集装箱码头的岸线总长、岸桥数、行吊数、堆场面积和泊位数作为输入变量,集装箱年吞吐量为输出变量,首次采用极效率(super-efficiency)DEA模型,对我国主要的集装箱港口码头的运作绩效进行评估,给出了港口运作绩效的排名,并通过改进输人指标使得相应的决策单元有效.在得出改进目标值的基础上,提出了我国港口的运营和发展建议,所得结论对于指导我国集装箱港口的绩效改进具有重要的参考价值.     

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。     

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。     

基于数据挖掘的BP神经网络改进算法能产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

基于数据挖掘的BP神经网络改进算法的产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。