港口集裝箱吞吐量時(shí)間序列預(yù)測(cè)方法研究.pdf

1、隨著“一帶一路”戰(zhàn)略在國(guó)際范圍內(nèi)引起廣泛關(guān)注，作為該戰(zhàn)略構(gòu)想中重要組成部分“21世紀(jì)海上絲綢之路”，使得中國(guó)海運(yùn)業(yè)乃至國(guó)際海運(yùn)業(yè)又進(jìn)入新的發(fā)展階段。近來(lái)，運(yùn)輸方式的集裝箱化逐漸成為海洋運(yùn)輸?shù)囊环N標(biāo)志，因而準(zhǔn)確的港口集裝箱吞吐量預(yù)測(cè)對(duì)于港口決策者規(guī)劃和管理港口起著舉足輕重的作用。若一個(gè)港口的發(fā)展缺少對(duì)未來(lái)的準(zhǔn)確預(yù)測(cè)，那么將會(huì)導(dǎo)致港口交通堵塞或資源閑置問(wèn)題。所以，為了對(duì)我國(guó)口岸的長(zhǎng)遠(yuǎn)發(fā)展做出合理規(guī)劃并提供相應(yīng)決策支持，論文研究了港口集裝箱吞

2、吐量時(shí)間序列的預(yù)測(cè)方法。
　　首先，論文對(duì)港口集裝箱時(shí)間序列的特征進(jìn)行了分析，由于受多種因素影響，吞吐量時(shí)間序列是一個(gè)線性和非線性成分復(fù)雜交織的非平穩(wěn)時(shí)間序列，同時(shí)該序列表現(xiàn)了四大趨勢(shì)性：長(zhǎng)期性趨勢(shì)、季節(jié)性趨勢(shì)、循環(huán)波動(dòng)性趨勢(shì)、不規(guī)則性趨勢(shì)，這些趨勢(shì)也構(gòu)成了序列的非平穩(wěn)性。
　　然后，針對(duì)所分析出的特征以及依據(jù)線性和非線性框架建模，論文選取了對(duì)季節(jié)性趨勢(shì)和線性特征具有較強(qiáng)描述性的線性模型季節(jié)性差分自回歸滑動(dòng)平均模型（Seas

3、onal Autoregressive Integrated Moving Average，SARIMA）以及具有靈活的非線性映射能力的非線性模型人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）進(jìn)行了組合，構(gòu)成非同源的混合預(yù)測(cè)模型。然而，傳統(tǒng)混合模型通常是建立在兩種假設(shè)下：①時(shí)間序列最后預(yù)測(cè)結(jié)果是單一線性和非線性模型預(yù)測(cè)結(jié)果的加權(quán)平均；②時(shí)間序列的預(yù)測(cè)值可以通過(guò)對(duì)線性成分和非線性成分進(jìn)行加法性分解而獲得，

4、論文論證了該假設(shè)的不合理性。
　　因此，為了突破傳統(tǒng)混合模型的假設(shè)前提的限制，論文提出了三種可選擇的混合模型，可以根據(jù)吞吐量的線性和非線性成分間的關(guān)系，進(jìn)行模型選取。該三種模型的建模過(guò)程分為如下兩個(gè)階段：第一階段，基于SARIMA模型擬合出時(shí)間序列大部分線性特征。第二階段，基于 ANNs模型擬合出時(shí)間序列的非線性特征以及可能存在于線性預(yù)測(cè)值和原始數(shù)據(jù)間之間的殘差中的線性關(guān)系。同時(shí)，論文提出了依據(jù) SARIMA建模過(guò)程中分析出的自相