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。     

灰色系统理论在上海港港口物流发展预测上的应用研究

应用灰色系统预测理论,以上海港为研究对象,建立灰色系统GM（1,1）模型对港口集装箱吞吐量和口岸进出口贸易值进行预测,可有效克服原始数据的离散性,在少信息的情况下得到高精度的预测蛄果.本文选择港口集装箱吞吐量和口岸进出口贸易值这两个与上海港港口物流发展水平密切相关的指标,并以此为基础对上海港港口物流发展进行中短期的预测,并对预测的结论进行了分析.     

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。     

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。     

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。     

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。     

BP人工神经网络主成分分析预测模型及应用

本文提出了用主成分分析方法进行输入变量预处理的办法,以解决BP人工神经网络模拟预测复杂经济系统时输入变量过多导致效率下降的问题,实例证明,BP神经网络主成分分析模型在复杂经济系统模拟预测中比通常的BP神经网络模型有较好的效果。     

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。     

基于粗神经网络的港口集装箱吞吐量预测

运用粗糙集神经网络建立了广州港集装箱吞吐量的预测模型,预测了2007～2010年的集装箱吞吐量。该预测方法融合了粗糙集理论与神经网络方法具有的优点,具有很强的学习与泛化能力,非常适合处理多因素、非线性的复杂系统。预测结果对广州港的发展有较强的借鉴作用,可以为广州港未来发展提供参考。     

我国大陆主要集装箱港口相对有效性评价

以数据包络分析(DEA)的BC2模型为基础,选取泊位长度、堆场面积和桥吊数量为输入项,吞吐量为输出项,从定量角度对我国大陆主要集装箱港口的相对有效性进行了评价。结合评价结果,对各港口的有效和无效原因做了初步的分析。     

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。     

上海港口集装箱吞吐量影响因素分析

以上海港口历史数据为依据,分析集装箱吞吐量的主要影响因素.采用不同方法建立两个多元线性回归预测模型,并对模型进行检验.引用指数平滑预测模型与两个模型进行预测标准误差比较,选出最优模型对2010年和2020年上海港口集装箱吞吐量进行研究预测.最后对预测结果进行因素分析.     

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。     

港口集装箱物流需求量预测方法研究

文中基于湛江港(集团)股份有限公司多年的生产实践与数据分析,提出了港口集装箱物流需求量是集装箱集疏运量和集装箱拆装箱需求量之总和的观点。利用多因素动态生成机制方法,结合多种预测方法模型,预测了2015年及2020年该港口的外贸和内贸集装箱吞吐量。通过集装箱集疏运量和集装箱拆箱物流需求量的换算,最后得到上述年份该港口的集装箱物流需求量的预测值。     

基于果蝇算法优化小波神经网络的输电工程造价预测

为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型。首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量;其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价;最后,将本文的预测结果和其他方法进行对比。算例结果表明,该混合模型的预测效果更理性,精度更高。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

提升港口集疏运铁路分担率研究

港口集疏运系统作为连接港口与内陆腹地的纽带,是港口发展的基础,因此相关研究成为了重中之重。首先阐述其背景现状、影响因素等,定性总体优化目标,构建目标层次结构图。从预测集装箱吞吐量出发,重点研究集疏运方式选择,将非直接因素加入考虑,以公铁运输为例,得出基于"总成本"最小的集疏运方式选择模型,列举加大铁路比重的方法,并提出确定合理分担率的思路。最终以上海港为例,进行分析与模型应用。