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。     

基于MATLAB的灰色模型对福州港集装箱吞吐量预测研究

文中通过灰色模型对福州港集装箱吞吐量建模,模型在MATLAB环境下通过了拟合检验和预测检验,得出灰色模型应用于福州港集装箱吞吐量的预测是有效可行的,并对2005～2010年福州港的集装箱吞吐量进行预测,为福州市“十一五“期间物流发展规划的制定提供科学依据.     

车载终端打造数字化集装箱码头

广州港是华南地区的综合性枢纽港，到2005年累计吞吐量达到2．5亿吨，全港集装箱累计吞吐量468万标准箱，港口货物吞吐量居全国沿海港口第3位，也名列世界十大港前列。2005年，广州港集团货物吞吐量1．59亿吨，集装箱吞吐量315．6万标准箱。广州港集团现有万吨级以上泊位39个，万吨级以上装卸作业浮筒13个，万吨级装卸锚地23个。     

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。     

港口集装箱吞吐量时间序列的分形分析

针对港口集装箱吞吐量的非线性特征,引入非线性理论中的分形时间序列分析方法,通过关联维定量表示港口集装箱吞吐量的复杂性,通过hurst指数研究港口集装箱吞吐量的长程相关性.以深圳港的集装箱吞吐量时间序列为例,计算的关联维为2.154 3,hurst指数为0.9367,说明深圳港的集装箱吞吐量存在分形特征和长程相关性.     

对外贸易中我国港口集装箱运输存在的问题及对策研究

1引言随着我国加入WTO,对外贸易得到了进一步发展。由于对外贸易增长率是影响我国港口集装箱运输的一个极其重要的因素,因而我国的港口集装箱运输业也受到利好,得到迅速发展。2013年全球十大集装箱港吞吐量统计排名中,我国港口(包括香港港)就占据了7个。上海港以3361.7万标准箱的吞吐量连续4年稳居全球第一大集装箱港口。近年来我国港口集装箱的吞吐量呈现快速增长的形势,如图1所示。     

盐田港的物流模式分析

自1994年开港以来,深圳盐田港集装箱吞吐量平均每年以47%的速度增长,已发展成为我国四大国际深水中转港之一。在我国沿海众多港口中,研究盐田港港口物流的发展定位和发展模式,对深圳港建设华南地区集装箱枢纽港和沿海主枢纽港战略的实施有重要的现实意义。盐田港物流发展定位一     

基于灰色关联分析法的港产城融合发展研究——以苏州港为例

“以港聚产、以产兴城、以城育港”,是港口城市发展的一般规律,推动港产城融合发展,是顺应全球港口城市发展趋势、打造高质量发展动力源的重要举措。本文以苏州港作为研究对象,通过选取2010~2020年的港口货物吞吐量、集装箱吞吐量数据与城市各项经济指标进行灰色关联分析,研究发现生产总值、规模以上工业总产值与港口物流产业具有较高相关性,对于港产城融合发展有明显的助推作用。由此,本文基于关联度分析结果与城市港口现状,针对性地提出相关发展建议。     

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.     

基于粗糙集-神经网络技术的客户价值分类模型的研究

客户关系管理的核心内容之一是对客户价值的评价进而对客户进行分类。文章首先找出对客户价值分类有影响的一些因子,应用粗糙集-神经网络的模型,即利用神经网络与粗糙集理论的优势互补,采用粗糙集对数据进行预处理,然后选择神经网络作为评价方法,最后根据客户价值评价结果进行客户价值分类。     

基于粗糙集和组合神经网络的武器系统效能评估方法

针对武器系统效能评估中存在指标信息不确定和指标间关系不明确的问题,运用粗糙集和组合神经网络模型进行研究,提出了基于粗糙集的效能评估指标集约简方法,并构建了基于组合神经网络的效能评估模型,研究结果表明,基于粗糙集和组合神经网络的武器系统效能评估是可行、有效的,对全面而科学评价武器系统效能具有积极指导作用和较强实用性。     

企业财务预警的研究方法及其改进——基于文献综述

企业财务预警研究方法经历了趋势分析、判别分析、人工智能技术、传统方法的改进和前沿技术的采用四个发展阶段.作为方法的改进,基于聚类、粗糙集、神经网络的财务困境预警方法更具有科学性.     

基于混合粗糙集与ANN的上市公司财务危机预警研究

利用混合粗糙集ANN数据挖掘技术和相关敏感财务及非财务指标构建财务危机预警模型,对30家ST和90家非ST的A股制造业上市公司的财务数据进行实证检验。结果表明,将混合粗糙集的知识约简理论和神经网络的推理能力相结合构建的混合粗糙ANN预警模型具有较高的财务危机预测准确率和较好的实际应用价值。     

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。     

基于神经网络的框架结构损伤诊断的探讨

利用神经网络技术对框架结构的损伤位置和损伤程度进行了研究。用有限元模态分析技术对平面框架结构的损伤情况进行了模拟,得到一系列频率、竖向位移、水平位移变化数据,将这些数据和损伤位置、损伤程度之间的映射关系作为网络训练样本,解决了以往对于对称结构损伤位置判断的难题,同时提出了用分步输出的方法解决了神经网络技术在框架结构应用中训练速度慢、不易收敛的问题。     

基于BP神经网络的ETC系统客户的流失分析研究

文章应用神经网络数据分析技术研究ETC系统客户流失的状况,详细研究了如何建立ETC系统客户流失基本模型。通过对客户的基本数据进行神经网络预测,可以发现描述流失客户基本特征的属性值集合以及对应的是否流失的结论。文章给出的是改进的神经网络的预测方法,可提高BP神经网络的收敛速度,增强网络的泛化能力,获得了很好的效果。     

TORNADO燃机故障诊断的神经网络模型研究

为改善单神经网络收敛速度慢的问题,本文采用组合神经网络建模方法,建立了燃机性能仿真网络模型,并进行实验验证。建模过程中,将建模对象划分为三个相对独立的子网络,利用获取的实验数据组成训练域对网络进行训练,建立起一套可用于燃气轮机控制系统仿真及故障诊断的组合神经网络模型。实验结果表明:该模型平均输出误差约为3%-6%,计算时间小于100ms,可用于基于模型的燃气轮机诊断系统。     

Mining the R&D innovation performance processes for high-tech firms based on rough set theory

The research and development (R&D) innovation of firms continues to be viewed as an important source of competitive advantage to academics and practitioners. To explore and extract the R&D innovation decision rules, it is important to understand how the R&D innovation rule-base works. However, many studies have not yet adequately induced and extracted the decision rule of R&D innovation and performance based on the characteristics and components of the original data rather than on post-determination models. The analysis of this study is grounded in the taxonomy of induction-related activities using a rough set theory approach or rule-based decision-making technique to infer R&D innovation decision rules and models linking R&D innovation to sales growth. The rules developed using rough set theory can be directly translated into a path-dependent flow network to infer decision paths and parameters. The flow network graph and cause-and-effect relationship of decision rules are heavily exploited in R&D innovation characteristics. In addition, an empirical case of R&D innovation performance will be illustrated to show that the rough sets model and the flow network graph are useful and efficient tools for building R&D innovation decision rules and providing predictions. We will then illustrate that integrating the flow network graph with rough set theory can fully reflect the characteristics of R&D innovation, and, through the established model, we can obtain a more reasonable result than with artificial influence.     

中小港口企业云计算模型的构建

首先简要介绍了云计算的概念并分析其特点,然后在详细分析了中小港口企业作业管理方式的基础上,对中小港口企业的信息化建设方式进行了分析,指出了传统信息化建设方式在中小港口企业应用方面的不足。并结合广州黄埔港公司、新港公司、石化公司和东莞海昌公司信息化建设实例,应用云计算解决方案,提出了港口企业新的信息化建设方案,构建了基于云计算的港口管理信息系统模型。