论文部分内容阅读
在当今世界,国与国之间的经济相互联系,商品运输活动愈发增多。而海运因其运量大、运费低等优点,是各国优先选择的货运方式。在此背景下,港口的地位日益上升。但从可持续发展的角度看,港口发展的规模不应过多的超出市场需求,否则将会浪费建设成本;同时,建设的规模也不能少于港口的发展需求,否则港口的运转能力将会受限。因此,港口吞吐量是港口规划的重要内容之一,需要经科学的考察和评价后才能确定,越来越多的研究焦点聚集在港口吞吐量的预测问题上。港口的吞吐量在随着时间变化的同时,也受着港口所在腹地的经济数量的影响。一些预测认为所有的因素对其产生的影响都可以反映在随时间产生的变化上,另一些预测认为需要对因素进行具体的量化来考虑。吞吐量预测方法的选取也将直接影响预测结果。本文提炼出港口吞吐量的影响因素,从现实角度出发,提出在考虑多个影响因素的情况下,应用宽度学习系统进行港口吞吐量预测研究,改进了吞吐量的预测,贴合港口吞吐量预测的实际情况。首先,本文介绍了港口吞吐量的研究背景和国内外研究现状,并且详细的介绍了常见的港口吞吐量的预测方法的预测原理。接下来,本文引入了宽度学习系统来进行多影响因素下的吞吐量的预测。具体地,本文以中国江苏省连云港港口为例,以其2005年第一季度至2016年第四季度的港口吞吐量数据为依据,在不考虑影响因素的情况下,以时间序列法和宽度学习系统对该港口 2017,2018年各季度的港口吞吐量进行预测。进一步的,考虑到港口所在省份的第二产业、第三产业投资对吞吐量的影响,应用宽度学习系统对该港口 2017,2018年各季度的集装箱吞吐量进行预测,并用一元线性回归法、多元线性回归法、BP神经网络法对同一时间段吞吐量进行预测,将预测结果与实际吞吐量进行对比。宽度学习系统中引入的激活函数的概念使线性问题可以在非线性空间上得到更好的解决,使得在考虑影响因素进行吞吐量预测时,能够准确的训练网络。实验结果证明,在以上几种预测方法中,宽度学习系统在同时考虑两种影响因素的前提下,取得了最精准的预测结果,更加适用于港口吞吐量的预测。