论文部分内容阅读
港口物流可视为现代物流发展不可缺少的一部分,是一个城市和辐射区域经济发展的引擎,是时代经济发展的必然产物。我国港口物流正处于快速发展时期,研究港口物流系统规划已成为一项重要课题。本文通过整理国内外关于预测港口物流需求的文献,总结出许多研究人员在进行港口物流需求预测时,通常选择行业常用的影响指标,并且在选择物流需求预测方法时,集中于追求港口物流预测精确性,而忽略了每种需求预测方法的本质差异。本文基于以上问题,以青岛港为研究对象,对其进行物流需求预测研究,以期取得更为精准、时效性更强的预测结果。主要工作如下:(1)分析影响港口物流需求的因素。经实地考察后,结合青岛港物流现有发展状况,通过指标鉴别力分析法和Pearson相关系数法,筛选出能够反映研究对象且具有较高关联度的港口物流需求影响因素,并建立青岛港物流需求预测指标体系,为青岛港物流需求预测研究奠定基础。(2)构建港口物流需求预测模型。通过比较各种预测方法的优缺点,发现灰色预测模型(Grey Model,GM)计算简单,需要数据量少;BP神经网络(Back Propagation Neural Network)适合处理内部问题复杂,并且局部神经元故障时不影响整体预测效果的系统。因此,为解决青岛港物流需求预测数据贫乏和非线性问题,本文通过最小二乘法为灰色预测和BP神经网络两种预测模型赋予特定的权值,并构建GM(1,1)-BP神经网络组合预测模型。(3)在对青岛港进行实地调研后,文章选用2000-2014年港口物流需求影响因素的相关数据训练预测模型,2015-2019年的数据验证模型合理性,实验结果表明,GM(1,1)-BP神经网络组合预测模型预测值的相对误差为3.25%。在同种预测环境中,使用其他预测模型进行复现。经对比发现,本文选用的GM(1,1)-BP神经网络预测模型具有更优的预测结果。(4)山东省港口集团成立和山东省自贸试验区新设,加大了青岛港对外开放程度,但全球突发新冠肺炎疫情,致使居民消费需求下滑,更有甚影响了整个国际贸易市场的正常运转,从而对青岛港吞吐量也造成了一定的影响。为降低这些外界因素对预测结果带来的影响,文章运用马尔可夫预测模型,将青岛港物流需求量预测值,转换为相应的预测区间,使预测结果更加科学可信。本文以解决当前港口物流系统规划的问题为目标,通过构建合理预测模型对青岛港物流需求进行预测。实验结果表明,本文选用的GM(1,1)-BP神经网络组合预测模型在青岛港物流需求预测中具有更好的适用性。不仅为港口物流需求预测提出了新的思路,同时也为港口物流资源的合理配置提供数据支持。