基于情境變動的港口吞吐量預測模型

作者：魯渤,楊顯飛,汪壽陽

摘要：情境變動是影響港口吞吐量預測的重要因素。然而現有關于港口吞吐量預測建模的研究對此問題的關注度相對較少。因此本文構建動態懲罰支持向量回歸模型,通過動態調整每個數據的懲罰系數,使預測模型快速適應新情境下的事物發展規律,從而提高預測模型的預測準確率。采用1980-2014年大連港和天津港的年貨物吞吐量數據進行實證研究,并與傳統支持向量回歸模型和ARIMA模型進行對比分析,實證結果表明本預測模型與其他兩個預測模型相比具有以下兩個特點：1、當影響港口吞吐量的情境發生變化時,該模型能夠快速適應新情境,從而提高預測準確率;2、該模型的預測性能更加準確、平穩,從而提高實用性。

發文機構：大連大學國際學院 大連大學智慧航運與物流網絡技術國家地方聯合工程實驗室 大連大學經濟與管理學院 中國科學院數學與系統科學研究院

關鍵詞：情境變動港口吞吐量時間序列預測動態懲罰支持向量回歸模型context change, port throughput, time series prediction, dynamic penalty, support vector regression model

分類號： U691[交通運輸工程—港口、海岸及近海工程][交通運輸工程—船舶與海洋工程]