基于NARX神经网络的港口集装箱吞吐量预测

为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测.通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型.实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性.训练后的网络误差小且拟合度高,具有良好的泛化能力,预测性能较好.     

港口群内港口间协调发展评价

为避免邻近港口间的过度竞争,为港口群内港口间的协调发展提供科学的决策依据,在梳理港口集群内涵的基础上,采用聚类分析方法,选择货物总吞吐量、外贸货物吞吐量、集装箱吞吐量、煤炭吞吐量、矿石吞吐量和油品吞吐量等6个指标,对中国沿海规模以上港口的发展规模和货类结构进行综合评价.根据评价结果,提出我国港口群内港口间协调发展的对策和建议.     

港口吞吐量的典型因素预测模型

港口吞吐量的预测受众多因素的影响,如何确定影响港口吞吐量的典型因素,是预测的关键问题之一。为解决此关键问题,先对港口吞吐量影响因素进行分析,再用系统聚类法确定其中的典型因素。以典型因素作为自变量,应用多元线性回归分析法建立港口吞吐量的典型因素预测模型。对厦门港集装箱吞吐量的预测结果表明,该模型有较高的拟合度和预测精度。     

基于正弦和的GM(1,1)幂模型在港口吞吐量预测中的应用

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型)。首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型。利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显著优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中。     

集装箱吞吐量的动态预测研究

针对以往文献中港口集装箱吞吐量的预测结果与实际值差距大的现象，提出用因果模型预测与动态补偿相结合的动态预测方法预测港口集装箱吞吐量，并将此方法用于对上海港集装箱吞吐量的预测，取得了较好的效果，为集装箱吞吐量的预测提供了一条较为可靠且实用的途径。     

基于GRA-TOOPSO-LSSVM的港口吞吐量预测

为对港口吞吐量进行科学预测,在最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)基础上,引入灰色关联分析(Grey Relational Analysis,GRA)和二阶振荡粒子群优化(Two-Order Oscillating Particle Swarm Optimization,TOOPSO),提出一种新的GRA-TOOPSO-LSSVM算法预测港口吞吐量.采用GRA法筛选出对上海港吞吐量有重大影响的因素,并将其作为LSSVM的输入变量;采用TOOPSO法对LSSVM的参数进行寻优;运用LSSVM非线性映射的优势对上海港吞吐量进行预测.在上海港吞吐量实证研究的过程中,GRA-TOOPSO-LSSVM算法与TOOPSOLSSVM和基于交叉验证的LSSVM算法进行对比分析.研究结果表明,GRA-TOOPSO-LSSVM算法具有更好的预测精度和收敛速度,为港口吞吐量预测的研究提供了一种新的方法.     

基于优化灰色马尔科夫动态模型的上海港集装箱吞吐量预测

为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。     

不同关系港口间的博弈

为研究港口间存在的领导-追随、竞争-竞争、合作-合作和合作-竞争等多种关系对港口吞吐量和收益的影响,构建博弈模型分析比较不同关系下的港口的吞吐量和收益.研究结果表明:(1)对于处于领导地位的港口而言,在领导-追随关系下的收益和吞吐量大于在竞争-竞争关系下的吞吐量和收益;对处于追随地位的港口而言,情况恰好相反.(2)在主从关系中,虽然处于领导地位的港口有较大的先发优势,但港口双方也有合作的积极性.由于背叛行为可能会出现,政府应该加强对港口的监管.     

5月份上海港生产保持良好增长势头

2006年5月份全港货物吞吐量完成4 594.9万t,同比增长28%,其中海港货物吞吐量3 939.8万t,内河货物吞吐量655.1万t.全港外贸货物吞吐量完成1 774.1万t,同比增长10.5%,其中出口866.3万t,同比增长17.3%,进口907.8万t,同比略增4.8%.1至5月,全港货物吞吐量累计完成21 682.1万t,同比增     

基于列生成算法的集装箱班轮运输网络优化

为使集装箱班轮运输公司在相对较为稳定的航运网络上进行适时调整和优化,以适应航运市场的变化获得最大利润,以CKYH联盟为例,将联盟利润最大作为目标函数,将每段航线和港口货物运量、船队运能、运输需求以及承运人船舶数量作为约束,建立混合整数规划模型.通过对联盟在亚洲-地中海的航运网络进行优化,得出需要挂靠的港口、挂靠港口顺序以及每条航线单次货物运量.对于混合整数规划模型,运用列生成算法对模型进行分解,然后运用CPLEX软件进行编程求解,得到航运网络优化的最终结果.该解法提供了一种航运网络优化的新方法.     

基于贸易引力模型的我国沿海港口外贸货物吞吐量影响因素

为探究影响我国沿海港口外贸货物吞吐量的因素,以及这些因素的影响因金融危机的爆发而发生的变化,建立基于贸易引力模型的我国沿海港口外贸货物吞吐量影响因素的向量自回归(Vector Auto Regression,VAR)模型,研究金融危机爆发前后交通运输固定投资、人民币实际有效汇率、外商直接投资、世界经济状况和国内经济状况...     

基于小波分解的集卡港内周转时间预测

为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average, ARMA)模型的集卡港内周转时间预测方法。该方法首先利用小波分解技术对集卡港内周转时间序列的多维变化特征进行逐层分离,再利用ARMA模型对分离后的多个时间序列分别进行拟合,然后对拟合结果进行合并,以此近似模拟原序列的时变规律,继而实现集卡港内周转时间的短期预测。为验证该方法的有效性,将数据样本划分为训练集（75%）和测试集（25%）,训练集用于拟合多维ARMA模型,测试集用于检验ARMA模型的预测结果误差。研究结果表明,对于3种任务类型,该模型均可以精确预测集卡的港内周转时间,为物流企业调整集卡运输计划提供相应的技术支持。     

收益共享契约下港口供应链协调的双层规划模型

为促进港口供应链上下游企业间的合作,构建收益共享契约下港口供应链协调的双层规划模型,上层模型目标为协调后的整体收益最大,下层模型目标为货主的总成本最小。综合考虑投入、风险、贡献、地位等努力程度因素对模型结果进行修正。设计混合遗传算法验证双层规划模型的合理性。通过算例验证表明:收益共享契约下的港口供应链协调能够产生更大的经济效益,实现收益共享,且修正后的收益分配机制使港口供应链成员局部收益最优。     

基于隐马尔科夫模型的VLCC目的港预测

超大型油船(very large crude carrier,VLCC)目的港预测对海运原油流向预测以及货源地未来运力估计具有重要作用。针对VLCC的AIS目的港信息存在缺失、更新不及时、不准确等现象,提出一种基于隐马尔科夫模型的VLCC目的港预测方法。分析船舶AIS轨迹数据,得到油船历史停靠港口序列;根据VLCC轨迹提取习惯航路,以航路中的交叉点为依据设置观测线;利用船舶航行轨迹数据判断船舶是否经过观测线以及经过观测线的方向,对不同方向分别计算船舶在挂靠港间的转移概率矩阵和船舶挂靠港与观测线间的输出概率矩阵,建立VLCC目的港预测模型并进行预测。研究结果表明：在大多数情况下VLCC目的港预测的准确率可以达到70%以上;航线越固定、运行越规律的船舶,预测准确率越高;船舶越靠近目的港,预测越准确;重载状态下的船舶目的港预测更准确。