论文部分内容阅读
随着“一带一路”战略在国际范围内引起广泛关注,作为该战略构想中重要组成部分“21世纪海上丝绸之路”,使得中国海运业乃至国际海运业又进入新的发展阶段。近来,运输方式的集装箱化逐渐成为海洋运输的一种标志,因而准确的港口集装箱吞吐量预测对于港口决策者规划和管理港口起着举足轻重的作用。若一个港口的发展缺少对未来的准确预测,那么将会导致港口交通堵塞或资源闲置问题。所以,为了对我国口岸的长远发展做出合理规划并提供相应决策支持,论文研究了港口集装箱吞吐量时间序列的预测方法。首先,论文对港口集装箱时间序列的特征进行了分析,由于受多种因素影响,吞吐量时间序列是一个线性和非线性成分复杂交织的非平稳时间序列,同时该序列表现了四大趋势性:长期性趋势、季节性趋势、循环波动性趋势、不规则性趋势,这些趋势也构成了序列的非平稳性。然后,针对所分析出的特征以及依据线性和非线性框架建模,论文选取了对季节性趋势和线性特征具有较强描述性的线性模型季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average,SARIMA)以及具有灵活的非线性映射能力的非线性模型人工神经网络(Artificial Neural Networks,ANNs)进行了组合,构成非同源的混合预测模型。然而,传统混合模型通常是建立在两种假设下:(1)时间序列最后预测结果是单一线性和非线性模型预测结果的加权平均;(2)时间序列的预测值可以通过对线性成分和非线性成分进行加法性分解而获得,论文论证了该假设的不合理性。因此,为了突破传统混合模型的假设前提的限制,论文提出了三种可选择的混合模型,可以根据吞吐量的线性和非线性成分间的关系,进行模型选取。该三种模型的建模过程分为如下两个阶段:第一阶段,基于SARIMA模型拟合出时间序列大部分线性特征。第二阶段,基于ANNs模型拟合出时间序列的非线性特征以及可能存在于线性预测值和原始数据间之间的残差中的线性关系。同时,论文提出了依据SARIMA建模过程中分析出的自相关性来构造ANNs输入层的结构,提高了预测结果的精确度,并应用于上海港集装箱吞吐量月度时间序列进行了实验验证。最后,分析比对了七种吞吐量预测模型的实验结果,证明了提出的混合5模型对该序列具有较好的预测表现,同时通过各模型的对比分析,验证了预测方法研究中的相关理论。