（管理科学与工程专业论文）港口集装箱吞吐量预测模型研究.pdf

大连理工大学硕士学位论文 摘要 港口集装箱吞吐量因受到市场、经济和非经济等诸多因素的影响因而是一个复杂的 非线性系统，但其变化凌有内在的蕊律牲。由于近年来我国经济的高速发展，使得外贸 运输及港口集装箱吞吐量呈现出连续增长的趋势，而灰色理论所具有的特性使其在预测 增长型时间序列时有一定的优势，但同时也存在预测精度不高等问题，因此本文采用神 经网络方法对灰色理论g m ( 1 ，1 ) 模型进行修正，从而使预测精度得到较大的提高。 本文以港口集装镶吞吐量的时间序列为基础，在详细分板其数据序列构成的条件下， 提出基于人工神经网络的g m ( 1 ，1 ) 残差修砸预测模型，并使用该模型对港口集装箱吞 吐量进行预测，来评价预测模型的有效性。 首先，本文对国内外集装箱吞吐量预测方法、预测现状及最新的研究状况进行了综 述，并对影响集装箱运输的因素进行了简要的分析，同时指出集装箱吞吐量是一个复杂 的萍线性系统。 其次，在介绍了灰色理论g m ( 1 ，1 ) 模型和神经网络的相关理论之后，从灰色理论 g m ( 1 ，1 ) 模型存在的问题入手，以改进的b p 神经网络算法为基础，提出基于人工神 经网络的g m ( 1 ，1 ) 残差修正算法。 再次，根据非线性时问序列预测原理，以及本文所提出的基于人工神经网络的g m ( 1 ， 1 ) 残差修正算法，提出g m - n n ( 1 ，1 ) 残差修正预测模型并设计了港口集装箱吞j 址量预 测系统，同时对模型中神经网络部分的有关参数确定、网络结构进行了详细的讨论。 最后，依据大连港1 9 8 0 年一2 0 0 5 年集装箱吞吐量，在详细讨论了模型中各参数的 确定方法之后，确定了模型中各参数的数值，并使用港口集装箱吞吐量预测系统，以大 连港集装箱吞吐量预测试验来检验本文所提出的集装箱器吐量预测模型的有效性。同时 对大连港2 0 0 6 年一2 0 l o 年集装箱吞吐量进行了预测，并对预测结果作了简要的分析。 关键谲：获色理论g 麓( 1 ，1 ) 模型；人工神经网络；g m - n n ( 1 ，1 ) 残差修正算法；g m - n n ( 1 ，1 ) 残差修正预测模型；集装箱吞吐量预测 港口集装箱吞吐量预测模型研究 r e s e a r c ho nt h ep r e d i c t i o nm o d e lo fs e a p o r tc o n t a i n e rt h r o u g h p u t a b s t r a c t t h es e a p o r tc o n t a i n e rt h r o u g h p u ti si n f l u e n c e db ym a n yf a c t o r ss u c ha sm a r k e t ，e c o n o m y a n dn o n e c o n o m yf a c k o r s s oi ti sac o m p l i c a t e dn o n l i n e a rs y s t e m m e a n w h i l et h e r ei ss o m e i n n e rr u l eo v e rt h et h r o u g h p u tv a r i a t i o ni nt h es y s t e m c h i n a sf o r e i g nt r a d ea n dc o n t a i n e r t r a n s p o r t a t i o ni sc o n t i n u i n gt h et r e n do fr a p i dg r o w t ha l o n gw i t ht h eh i g hd e v e l o p m e n to f c o u n t r y se c o n o m y t h eg r e yt h e o r yc a nb ew e l lu s e dt of o r e c a s tt h ei n c r e a s e dt i m es e r i e s b e c a u s eo fi t so w nc h a r a c t e r i s t i c s h o w e v e r ，s o m et i m e s ，t h ef o r e c a s t i n gr e s u l to fg r e yt h e o r y i sn o ts a t i s f i e d s o ，i nt h ep a p e r ，t h ea r t i f i c i a ln e u r a ln e t w o r ki su s e dt oa m e n d e dt h em o d e l o fg m ( 1 ，1 ) i no r d e rt or e a c ht h eh i g hf o r e c a s t i n gp r e c i s i o n i nt h ep a p e r ，t h ef o r e c a s tm o d e lo fr e m a i n i n ga m e n d e dg m ( 1 ，1 ) b a s e do na r t i f i c a ln e u r a l n e t w o r ki sp r o p o s e db yt h ea n a l y s i so ft h ec o m p o n m e n to fs e a p o r tc o n t a i n e rt h r o u g h p u t ，a n d t h e nt h em o d e li su s e dt of o r e c a s tt h es e a p o r tc o n t a i n e rt h r o u g h p u ts o a st oc o n f i r mt h e v a l i d i t yo ft h ef o r e c a s tm o d e l f i r s t l y ，t h ep a p e rg i v e sac o m p l e t ei n t r o d u c t i o no ft h er e c e n tf o r e c a s t i n gm e t h o d sa n dt h e s t u d i e sn o w a d a y so fc o n t a i n e rt h r o u g h p u th o m ea n da b r o a d i na d d i t i o n ，i ta n a l y z e st h e e l e m e n t st h a ti n f l u e n c et h ec o n t a i n e rt h r o l 】【g h p u ta n dp o i n t so u tt h es e a p o r tc o n t a i n e r t h o u g h p u tt h a ti san o n l i n e a rs y s t e m s e c o n d l y ，i n t h e p a p e r ，i t s t a t e st h ec h a r a c t e r i s t i c so ft h em o d e lo fg m ( i ，1 ) a n d a r t i f i c i a ln e u r a ln e t w o r k c o n s q u e n t l y ，t h ea l g o r i t h mo fr e m a i n i n ga m e n d e dg m ( 1 ，1 ) b a s e d o nb pa r t i f i c i a ln e u r a ln e t w o r ki sp r o p o s e db e c a u s eo ft h ed e f e c t so ft h em o d e lo fg m ( 1 ，1 ) t h i r d l y ，t h ef o r e c a s tm o d e lo fr e m a i n i n ga m e n d e dg m n n ( 1 ，1 ) i sp r o p o s e do n t h eb a s e d o fn o n l i n e a rt h i m e rs e r i e sf o r e c a s t i n gt h r o r ya n dt h ea l g o r i t h mo f r e m a i n i n ga m e n d e dg m ( 1 ，1 ) b a s e do na r t i f i c i a ln e u r a ln e t w o r k t h e nt h es e a p o r tc o n t a i n e rt h r o u g h p u tf o r e c a s t i n gs y s t e m i sd e s i g n e da n dd e v e l o p e d m e a n w h i l ei td i s c u s s e st h ep a r a m e n t so ft h ef o r e c a s tm o d e l f i n a l l y ，i nt h ep a p e r ，i tc o n f i r m st h ep a r a m e n t so ft h ef o r e c a s tm o d e l t h e nt h ev a l i d i t yo f t h ef o r e c a s tm o d e li st e s t e db yt h ed a l i a np o r tc o n t a i n e rt h r o u g h p u tf o r e c a s te x p e r i m e n t t h e d a l i a np o r tc o n t a i n e rt h r o u g h p u t si n2 0 0 6 2 0 1 0a r ea l s of o r e c a s t e db yu s i n gt h ef o r e c a s t i n g s y s t e m a n dt h e ni tg i v e sab r i e fa n a l y s i su p o nt h ef o r e c a s t i n gr e s u l t s k e y w o r d s ：t h e m o d e lo f g m ( 1 ，1 ) ；a r t i f i c i a l n e u r a l n e t w o r k ( a n n ) ；t h e a l g o r i t h m o f r e m a i n i n ga m e n d e dg m n n ( 1 ，1 ) ；t h ep r e d i c t i o nm o d e lo fr e m a i n i n ga m e n d e d g m - n n ( 1 ，1 ) ；c o n t a i n e rt h r o u g h p u tf o r e c a s t i n g 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名 磐多多 导师签名：乏l 垓仕 铲勿年jp 月) 8 日 大连理丁大学硕士学位论文 1 绪论 1 1 论文研究的背景 1 1 1 集装箱运输发展状况 随着世界经济的复苏和集装箱运输的蓬勃发展，世界各地区港口集装箱运量发展十 分迅猛。从集装箱吞吐量来看，全世界各港口集装箱吞吐量从1 9 7 5 年的1 7 4 1 万t e u 到 2 0 0 4 年的3 5 6 亿t e u 。在3 0 年的时间内，世界港口的集装箱吞吐量增加了2 0 4 5 倍， 其增长速度远大于世界海运总量的增长速度。单就1 9 8 4 年到1 9 9 5 年情况来看，世界集 装箱吞吐量共增长1 6 6 倍，平均年增长率为9 2 8 ，是世界海运量的2 8 5 倍，是世界 杂货海运量的2 4 4 倍。据德商报消息，2 0 0 4 年全球港口集装箱吞吐量达3 5 6 亿t e u ，到2 0 1 4 年将达到7 0 3 亿t e u 。集装箱吞吐量大幅增长的原因在于全 球化程度的提高及国际化分工致使生产场所转移至低工资国家，从而导致集装 箱运输需求的大幅度增加，并促使集装箱吞吐量的上升；另一方面中国加入世 贸组织后经济高速发展带动了集装箱运输的增长，使近年集装箱运输增长率一 直保持两位数m n ，。 我国自1 9 5 5 年首先在铁路上开展内贸集装箱运输以来，集装箱运输得到了飞速发 展。随着经济不断的发展和对外贸易的增加，在旺盛的经济需求带动下，集装箱运输量 保持持续快速增长，运输工具和基础设施显著增加，技术装备水平得到明显提高，同时 集装箱运输市场化进程不断加快，对外开放程度不断增加，公路、水路集装箱运输市场 基本形成。随着产业结构调整和产品结构优化，高附加值适箱货物内外贸运输的比例不 断上升，进一步扩大了对集装箱运输的需求，从而使我国集装箱运输取得了迅速的发展。 据海关统计2 0 0 0 年全国进出境集装箱量2 5 4 6 万t e u ，比上年增长2 9 7 ，比“八五” 末年的1 9 9 5 年增长近1 3 倍，而我国港口集装箱吞吐量在“八五”期间年均增长3 3 7 6 的基础上，“九五”继续保持高速增长年均3 0 的增长速度，2 0 0 0 年达到2 5 4 6 万t e u ， 2 0 0 3 年我国港口集装箱吞吐量更高达4 8 0 0 万t e u 跃居世界首位“。 面对广阔的发展前景、巨大发展潜力，港口应正确的把握集装箱运输发展态势，抓 住机遇加快建设和发展，要加快集装箱运输的发展需要大量的资金投入，而对港口集装 箱运输的发展状况作出科学合理的预测，则是国家、政府和企业关于投资建设集装箱运 输的重要决策依据。 港口集装箱吞吐量预测模型研究 1 1 2 预测技术的发展状况 预测是社会经济活动中的重要环节，在制定经济、科学技术和生产发展规划时，预 测是一项重要的内容“1 。目前，发达国家广泛采用预测理论和科学的预测方法，用来探 索有关人口、粮食、资源、能源、城市规划、交通运输、科学技术、情报信息、自动化、 外层空间、教育、人才、环境、医药卫生等重大问题的未来趋势，并能动的控制其发展。 由此看来，预测科学与各个学科、各个部门和各个领域都有密切的联系。 随着社会的进步和国际化交流程度的进一步发展，预测技术面临的挑战越来越大， 一方面，数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来 越多，激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析， 发现数据中存在的关系和规则，以便更好的利用这些数据，但通常缺乏挖掘数据背后隐 藏知识的手段导致了“数据爆炸但知识贫乏”，所以人们提出了能够处理大规模数据的 统计和预测方法；另一方面，则是可用样本数据过少，虽然可以高效地实现数据的录入、 查询和统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未 来的发展趋势，人们又要求能有对样本数据个数要求不高且能够满足预测要求的预测方 法。这些都促使人们对预测方法不断完善和创新，从而使预测技术得到不断发展。 进行预测的方法有很多种，当中一些方法已发展成熟，可直接用于预测，而另外一 些方法仍处于不断的发展完善之中。例如预测方法中的时间序列分析、一元线性回归、 多元线性回归、马尔可夫模型等方法即属于前一类，而灰色预测模型、神经网络模型、 模糊预测、遗传算法等理论则属于后一类，其改进方法仍在不断地探讨中，文献”1 介绍 了相关的方法；另外还有将两种或者两种以上的方法适当的结合起来，互相取长补短， 改善模型性能，提高预测精度，例如文献”所论述的一些方法。 1 2 国内外集装箱吞吐量预测主要方法 港口集装箱吞吐量预测属于经济预测范畴，经济预测是研究客观经济过程来确定未 来一定时期发展趋势的科学，它借助于科学的方法论和技术手段，根据客观经济过程的 历史演变和发展规律，对未来一定时期内经济发展的趋势和状况进行描述、分析，做出 估计和推断。其目的在于通过对客观经济现象历史规律的探讨和现状的研究，求得对未 来经济活动的影响。经济预测的质量取决于对客观经济现象深入了解的程度和采用的预 测方法的科学性。 对于集装箱吞吐量的定量预测，目前国内外主要使用的方法一般可分为两大类：一 类是时间序列分析法；另一类是因果关系法。前一类主要是依据港口集装箱吞吐量的历 史变化趋势，找出其随时间变化的规律，表示为数学模型，然后再根据模型进行预测。 大连理工大学硕十学位论文 这类方法主要包括移动平均法、指数平滑法、灰色系统法、季节性( 周期) 变化法、自回 归法及以时间为解释变量的回归分析法等。而后一类即因果分析法则主要是依据腹地的 各种社会经济指标，找出集装箱吞吐量与某些指标的相关关系，然后再根据这些相关的 社会经济指标的变化，预测其吞吐量，目前所使用的这类方法主要有回归分析法、投入 产出法及系统动力学法等。然而，由于海运自身所具有的特殊性，对于第二类方法，其 考虑了与集装箱有关的社会经济指标，如生成因素，政策因素等等；相对来说，它在某 些方面有一定的优越性，但是由于存在某些政策、心理和其它技术等方面因素的影响， 而且在分析这些影响因素时往往难以判断或者量化某些影响因素，同时集装箱的吞吐量 显然还不仅仅依赖于与其直接相关的社会经济指标，因此，只是依赖于某些与其直接相 关的社会经济指标进行因果关系预测，有时得不到较好的预测结果。与第二类预测方法 相比对于第一类方法而言，由于集装箱吞吐量的时间数据序列其本身就是各种因素综合 影响的结果，因此考虑吞吐量自身的历史变化趋势，并根据这种变化趋势做时间上的外 推，就可以实现对集装箱吞吐量的预测。另外，由于这类方法所采用的技术主要是根据 历史数据作时间上的外推，这对集装箱吞吐量的中、短期预测可以达到较好得效果，但 对长期预测，由于集装箱吞吐量的决定性因素发生变化，因此其预测的精确度必然会有 所降低。 集装箱吞吐量预测是预测技术有效的运用于港口经济的一个方面，从技术层面来讲 对于集装箱预测需要考虑的影响因素和指标更为复杂，这要求在具体应用的时候要因地 制宜采用不同的方法或者多种方法的结合，文献“”1 介绍了一些常用的集装箱吞吐量预 测方法。本文综合国内外文献，介绍几种在集装箱吞吐量预测中常用的方法和模型。 1 2 1 定性的预测方法 集装箱吞吐量的预测大致可以分为定性的预测和定量的预测，定性的预测是指那些 经验判断性质的分析预测，它主要依靠专家判断、经验分析、逻辑推理来进行。国内外 比较流行的定性预测的方法主要是“头脑风暴法”和“d e l p h i ”法， 这里主要介绍一 下“d e l p h i ”法，它是全球最常用1 2 0 多种预测法中使用权重比例最高的一种恤1 。“d e l p h i ” 法是由主持预测的机构确定预测的课题并选定专家，预测专家之间彼此匿名不发生横向 关系，预测机构通过函询收集专家意见，并加以综合整理后，再反馈给各位专家，征求 意见，如此反复几次，会出现一种统计的稳定性，使专家的意见趋于一致，从而作为最 后的预测结果。定性的预测方法在数据资料缺少或没有的情况下应用较多，一般用于系 统未来发展趋势的预测。 港口集装箱吞吐量预测模型研究 1 2 2 定量的预测方法 定量的预测方法是指采用一定的数学模型，利用历史的和现有的具体数据进行计算， 并最终得到具体数值的方法，主要有回归分析法，灰色理论法，马尔科夫法，模糊预测 法，神经网络法，组合预测方法等等。 集装箱吞吐量预测中常用的定量预测方法有回归分析法，指数平滑法，灰色理论法， 神经网络方法，混沌理论预测方法以及组合预测方法，其中利用混沌理论进行预测是近 几年提出的较新的预测方法。 ( 1 ) 回归分析方法 回归分析是一种处理变量之间非确定性因果关系的数理统计方法，属于因果预测。 它通过调查研究确定预测变量可能的相关影响因素，然后根据这些因素的统计资料运用 最d , - - 乘法拟合出回归模型，再利用回归模型进行预测和分析。回归模型是根据统计学 原理推导得出的，对于每个数据点都予以同等重视，既适用于时间序列，也适用于具有 因果关系的非时间序列，而且除了预测外，还可以对预测模型和预测值进行统计检验和 分析。回归分析预测模型主要有一元线性回归模型、多元线性回归模型和非线性回归模 型，预测时必须根据自变量决定因变量具体的发展趋势来选择相应的回归模型。在确定 具体的模型时，关键是处理好预测变量、历史数据以及选择与预测变量和历史数据相适 应的具体模型。该方法简单易行，可以用于集装箱吞吐量的大致预测，对于精确度要求 较高的集装箱吞吐量预测方面则需要采用其他的预测方法。文献1 提供了该方法在港口 集装箱吞吐量预测中的具体应用。 ( 2 ) 指数平滑法 指数平滑法又简称平滑法，是对反映变量历史变化情况的统计数据即时问序列加以 大致修匀平滑，以便分析变量的演变趋势。指数平滑预测方法是根据吞吐量历年统计数 据利用直线或曲线来拟合时间数列的发展趋势并外推进行预测。它对时间序列的随机性 和波动性考虑较少，这种方法在计算要求不高，又要做出迅速预测的场合是行之有效的。 文献啪1 介绍了这种方法在港口集装箱吞吐量预测中的应用。 ( 3 ) 灰色理论方法 灰色系统理论( 简称灰理论或灰论，g r e yt h e o r y ) ，是研究少数据不确定性的理论 渊，灰色系统理论预测原理是将已知的数据序列按某种规则构成动态的或非动态的白色 模块，再按某种变换、解法来求解未来的灰色模型，在灰色模块中按照某种准则，逐步 提高白度，直到未来发展变化的规律基本明确为止。 灰色理论预测方法是指我们知道自变量和因变量之间可以满足某种数学关系和满足 某种特定的条件，但是由于历史数据的不全面和不充分或者某些变量尚不清楚和不确 一4 一 大连理工大学硕士学位论文 定，使预测处于一种半透明的状态，随着事件的发展，数据的逐步积累，一些不确定的 因素逐步明确，其预测将逐渐由暗变明，从而预测出未来的数值。 灰色模型是依据灰色理论用离散数据序列建立的微分方程动态模型，一般常用的灰 色理论预测模型为g m ( 1 ，1 ) 模型和g m ( 1 ，n ) 模型。灰色理论的预测分析通常分为5 类，即数列预测，灾变预测，季节性灾变预测，拓扑预测，系统综合预测。集装箱吞吐 量的预测属于灰色理论中的数列预测，这种预测是对系统行为特征指标观测值所形成序 列的灰色预测，其特点是：对行为特征量( 产量，销售量，吞吐量) 等进行观测，利用 以往的数据序列进行计算，预测的目标是：确定这些行为特征量在下个时刻( 月或者年 等) 的值。对于灰色理论的具体预测方法本文以后的章节会详细介绍。 灰色理论能较好的预测函数变化的总体趋势，但该预测方法不适合逼近复杂的非线 性函数，灰色理论在进行预测时往往为了提高预测精度，需要对灰色模型进行残差修正， 文献陋剐都给出了灰色模型的一些改进方法。 ( 4 ) 神经网络方法 人工神经网络是用大量的简单单元构成的非线性系统，它模仿人脑进行信息处理。 具有学习、记忆、计算及各种智能处理功能。它可以在不同的程度上和层次上模仿人脑 神经系统的信息处理、存储及检索功能，与指数平滑法、曲线拟合法等方法相比，人工 神经网络本身所具有的一些特性，使其较好的实现了对非线性复杂系统的预测。常用的 预测方法( 指数平滑法、曲线拟合法等) 都要求预先知道被预测对象的数学模型，但实 际上有很多对象具有复杂的不确定性和时变性以及复杂的非线性，例如有的是已知但难 于用数学模型描述，或者其复杂的非线性使得对象本身很难或根本无法精确建模，从而 无法对研究对象进行有效的实时预测。而人工神经网络有表示任意非线性关系和学习的 能力，给解决这类问题提供了有效的解决手段。人工神经网络之所以能够在预测领域得 到应用，是因为它有以下一些特性： 神经网络具有很好的非线性映射能力，它能够通过非线性映射，学习被研究对象 的特性具有近似的表示任意非线性函数及其逆的能力。 对不确定系统的自适应和自学习能力。 可提供大规模动力学系统允许的快速处理并行分布处理结构。 网络本身所具有的容错能力和联想功能，提供了很好的鲁棒性。 信息被转换成网络内部的表示，这种表示允许定性和定量信号两者的数据融合。 自2 0 世纪9 0 年代起，神经网络的应用领域迅速扩大，涉及的理论有行为模拟、参 数估计、模式识别、交通预测、交通模式分析、交通控制、非线性组合优化等领域，神 经网络的科学理论正在向生产力的实现进行转化，神经网络方法在预测领域的研究也越 港口集装箱吞吐量预测模型研究 来越深入，并逐渐用于实际当中。例如，美国军方在海湾战争中利用神经网络进行决策 控制，美国能源部利用它来预测世界原油价格。另外目前在股票、期货价格预测方面人 工神经网络也得到了较好的应用。另一方面，神经网络预测方法在广泛应用的同时也有 一定的局限性即： 需要大量的训练样本，而在实际应用当中，由于历史条件等各种因素的限制，往 往得不到用于神经网络训练学习的样本量。 由于其本质上是一个非线性优化问题，常常会陷入局部最小从而使问题得不到最 优解。 收敛速度慢，通常需要千步以上。 人工神经网络的优点是具有逼近任意函数的能力，但有时会过分逼近曲线上的细 节从而影响泛化能力。 ( 5 ) 混沌理论的预测方法 混沌理论是关于非线性系统的- f 3 科学，是现代系统理论的一个重要组成部分，而 经济系统本质上是一类非线性的复杂系统，大量反映现实经济生活的时间序列数据表现 出的动态性与物理系统数字模拟的混沌结果之间具有相似性啪1 。因此混沌理论为经济系 统的预测提供了一种新的方法。混沌理论的预测方法是从动力学角度出发，对经济系统 建立动力学模型，对系统的其他不同动态行为出现的条件做出分析，通过系统的灵敏度 分析，评价预测的效果。国内外一些文献哪“都提出了混沌理论在经济系统预测研究中 的应用。 混沌理论与传统科学范式中的众多假设有着不同之处，面对日益复杂的经济系统和 不断交化的环境条件，使得混沌理论在经济系统预测方面有着广阔的发展前景和重要的 学术意义。 ( 6 ) 组合预测 在预测实践中，对于一个问题，我们常采用不同的预测方法，不同的预测方法往往 能提供不同的有用信息，如果简单的将预测误差平方和较大的一些方法舍弃，将会丢失 一些有用的信息，另一方面在对一个经济系统预测时，单独的使用某一种预测方法并不 能得到较好的预测精度，因此就提出将几种不同的预测方法进行适当的组合，形成组合 预测方法，从而能够综合利用各种预测方法提供的信息，尽可能的提高预测精度。 早在1 9 5 4 年，美国的s c h m i t t 就研究过组合预测方法的简单应用，1 9 6 9 年j m b a t e s 和c w j g r a n g e r 对组合预测方法进行了比较系统的研究，目前国内外学者在组合预测 方面主要提出以下一些方法即最小方差法，卡尔曼滤波法，无约束最小二乘法，贝叶斯 法等等。 一6 一 大连理工大学硕士学位论文 1 3 集装箱吞吐量影响因素分析 ( 1 ) 世界经济的影响 港口是商品交易的集散地，当世界经济繁荣时，各国问贸易繁忙，商品进出口增多 港口的吞吐量自然随之增长，港口的吞吐量在相当大的程度上取决于世界经济状况。例 如，美国9 1 l 恐怖袭击之后，据一些船公司反映，我国出口到美国的集装箱约减少2 0 。 ( 2 ) 国民经济的增长和对外贸易的发展对集装箱运输需求的影响 一个地区国内生产总值的增长速度取决于国民经济各行业、各部门的发展速度，无 论是对外贸易、交通运输，以及集装箱运输都会对国内生产总值的增长有一定的弹性需 求。集装箱运输的对象是传统的件杂货，集装箱运输的需求最先产生于对外贸易活动之 中，集装箱生成量的规模与各地区外贸进出口的规模密切相关，而对外贸易的发展又与 该地区国内生产总值的增长密不可分，因此，一个地区的整体经济发展水平与该地区的 对外贸易规模密切相关，而对外贸易的规模又对该地区集装箱吞牡量的多少起着重要作 用。 ( 3 ) 产业结构的调整和优化对集装箱运输需求的影响 所谓产业结构，主要指一、二、三产业在国民经济中所占的比重。当今产业结构调 整的趋势是第三产业比重上升，第一产业比重下降和第二产业比重略有提高。第三产业 的产品大多为高质量、高附加值的件杂货，这些高质量、高附加值的件杂货正是适于集 装箱运输的适箱货。所以，伴随着国内外产业结构的调整和优化，必将引发集装箱运输 的新需求。 ( 4 ) 港口腹地经济发展状况对港口集装箱吞吐量的影响 港口腹地的经济发展迅速，发展的可持续性强，无疑会产生较多的集装箱运输需求， 港口经济腹地地域广阔同样也会产生较多的集装箱运输需求。因此港口腹地的经济发展 状况、港口腹地的大小等因素是影响集装箱吞吐量的重要因素之一。文献m 1 详细分析了 港口腹地经济发展与集装箱运输的关系。 ( 5 ) 码头供求关系的影响 价格因受供求关系的影响而波动，供大于求，价格下跌，反之则价格上涨，对于集 装箱运输来说，其吞吐量也受到供求关系的影响，周边港口多，竞争力强，本港集装箱 吞吐量必将受到影响。 ( 6 ) 港口自身条件的影响 港口的航道，码头作业水深，气候影响，以及城市经济建设的作用地位，集装箱疏 运条件等等因素同样也制约着港口集装箱吞吐量增长。 ( 7 ) 港口外部环境的影响 港口集装箱吞吐量预测模型研究 集装箱运输涉及面广，环节多，涉及到船公司，海关，港监，检验检疫，铁路运输 等等部门，如果这些环节操作繁琐，收费名目多，也在很大程度上影响集装箱吞吐量。 通过以上分析可知，港口集装箱吞吐量是一个受到多种因素综合影响的非线性复杂 经济系统，由于我国近年来经济持续高速发展，全国各港口集装箱吞吐量变化呈现明显 的增长趋势和非线性变化趋势，如图1 所示： 图1 1 我国主要港口集装箱吞吐量 f i g 1 1 t h e p r i m a r y p o r t c o n t a i n e r t h r o u g h p u t o f o u r c o u n t r y 在进行集装箱吞吐量预测时，由于灰色理论对于呈现明显增长趋势的时间序列预测 能够取得较好的预测效果，而神经网络预测方法其本身所具有的特性使其对于非线性系 统的预测能够达到较高的精度。根据我国近几年港口集装箱吞吐量变化的趋势，本文主 要采用灰色理论和神经网络结合的方法进行集装箱吞吐量预测，通过两者的有效组合， 使集装箱吞吐量预测的精度得到较大的提高，从而得到较为准确的集装箱吞吐量预测结 果。 1 4 论文研究的目的和意义 我国自开展集装箱运输以来，港口集装箱吞吐量一直保持高速发展，吞吐量规模不 断扩大，2 0 0 3 年我国集装箱吞吐量为4 8 0 0 万t e u ，跃居世界第一，因此国家及各地方 港口都加大对集装箱运输的投资力度，建设集装箱港1 ：3 、码头、场站、信息发布平台等 配套设施来促进集装箱运输的发展，而对集装箱吞吐量进行科学合理的预测无疑将成为 集装箱运输发展有关决策的重要依据。 集装箱运输作为国际水运业中最高效、优质和经济效益高的运输方式之一，它对港 口以及港口所在城市发展所起的重要作用已越来越被各国及各地区所重视。港口集装箱 一8 一 大违理工大学硕士学位论文 吞吐量不仅仅是衡量一个港口在国际贸易中地位的一个重要标志，也是一个国家和地区 经济繁荣程度的晴雨表。在确定港口的发展方向、基础设施投资规模、深水泊位选址和 港口经营策略等方面，港口集装箱吞吐量的预测有着重要的不可获缺的作用汹1 。预测效 果的准确与否不仅影响对港口集装箱运输的投资决策，同时也直接关系到港口未来的运 营效果。港口集装箱吞吐量的准确计算和预测是港口规划和建设最直接的定量指标，所 有的其它定性或者定量的指标都必须转换成吞吐量后才能有效地指导港口的规划和建 设。如果吞吐量预测有误，就会造成港口的重复建设或港口设施投资不足，形成港口资 源的闲置、浪费或者造成港口集装箱运输的瓶颈现象。因此对集装箱吞吐量进行科学准 确的预测无疑对集装箱运输今后的发展和港口经营建设具有重要的现实意义。 本文的研究目的在于通过对灰色理论和神经网络相关理论的研究，发挥各自的特点， 使两者有效地结合建立预测模型，从而能获得较为准确的预测结果，为集装箱港口的建 设规划提供科学合理的决策依据，减少投资风险，提高投资收益。 1 5 本文的研究思路和研究工作 本文通过对集装箱运输状况的阐述，指出了集装箱吞吐量预测的重要性和必要性， 并且分析了影响集装箱吞吐量的主要因素和几种常用的集装箱吞吐量预测方法。在此基 础上从集装箱吞吐量自身所呈现出的系统特征入手，采用灰色理论g m ( 1 ，1 ) 模型和神 经网络( b p 网络) 模型结合的方法进行预测，利用灰色理论g m ( 1 ，1 ) 模型对集装箱 吞吐量进行基础拟合计算，然后利用人工神经网络对g m ( 1 ，1 ) 模型的残差进行修正， 从而建立基于人工神经网络的g m ( 1 ，1 ) 残差修正预测模型，同时采用改进的b p 神经 网络算法，以解决局部最小和收敛速度慢的问题；而且选择并改进了人工神经网络的激 励函数，网络结构和神经网络的相关参数，以此为基础建立港口集装箱吞吐量预测模型。 最后结合港口集装箱吞吐量的实际数据分析检验该模型的有效性，并对港口集装箱吞吐 量做出了预测。 本文从以下几个方面对港口集装箱吞吐量预测模型进行研究： ( 1 ) 首先以港口集装箱吞吐量预测为研究对象，本文讨论分析了集装箱运输的发展 状况和对集装箱吞吐量进行准确预测的重要性，同时介绍了当前国内外常用的几种预测 方法和各自的特点。在对集装箱吞吐量影响因素简要分析之后指出了我国集装箱吞吐量 的数据序列变化趋势及特征。 ( 2 ) 在分析了集装箱吞吐量数据序列变化趋势及其呈现出的特点之后，紧接着讨论 了灰色理论和神经网络基本理论及其各自的特征，在此基础上本文提出灰色理论和神经 网络结合的基于改进b p 神经网络的灰色理论g m ( 1 ，1 ) 残差修正算法。 港口集装箱吞吐量预测模型研究 ( 3 ) 以本文所提出的基于人工神经网络的g m ( 1 ，1 ) 残差修正算法为基础，建立港 口集装箱吞吐量预测模型，并且讨论了模型中网络结构的确定，参数的选择，样本数据 处理等问题。根据本文所建立的集装箱吞吐量预测模型，设计了一个港口集装箱吞吐量 预测系统。 ( 4 ) 最后本文以大连港集装箱吞吐量的实际发生数据为实验样本，进行集装箱吞吐 量预测实验，并且分析实验结果，进而评价本文所提出的集装箱吞吐量预测模型的有效 性和实用性。 大连理工大学硕士学位论文 2 基于人工神经网络的灰色理论g m ( 1 ，1 ) 残差修正算法 2 1 灰色理论概述 2 1 灰色理论的基本原理 一般我们将信息完全明确的系统称为白色系统，信息未知的系统称为黑色系统，部 分信息明确、部分信息不明确的系统称为灰色系统。 灰色系统理论和研究对象是“部分信息已知，部分信息未知”的“贫信息”不确定 性系统，它通过对“部分”已知信息的生成、开发，实现对现实世界的确切描述和认识。 依据文献灰色系统的一些基本原理描述如下。 定义2 1 设x 为系统行为数据序列，d 为作用于x 的算子，x 经过算子d 作用 后所得序列记为x d = x ( 1 ) d ，x ( 2 ) d ，xn ) d ) ，称d 为序列算子，称x d 为一 阶算子作用序列。 定义2 2 设x o 为原始序列x - x o ( 1 ) ，x o ( 2 ) ，x o ( n ) ) ，d 为序列算予 x 。d 一( x “o ) d ，x ( 2 ) d ，x o ( n ) d ) ，其中 k x ( k ) d 一罗x o ( i ) ； k = 1 ，2 ，n ( 2 1 ) 衙 则称d 为x 1 0 ) 的一次累加生成算予，记为1 一a g o ( a c c u m u l a t i n gg e n e r a t i o n o p e r a t o r ) 。 可对序列用同一算子d 进行多次累加，记为d 。，称r 阶算子d 为x ( 0 的r 次累加生成算子，记为r - a g o 。习惯上，我们记 x d x 1 ；( x ( ”( 1 ) ，x 1 ( 2 ) ，x o ) ( n ) ) ( 2 2 ) x o d 一x 7 - ( x 。( 1 ) ，x 。( 2 ) ，x ( n ) ) ( 2 3 ) k 其中x ) ；y x ( i ) ： k = 1 ，2 ，n 何 同理，可对序列用同一算子d 进行多次累减，记为d 。r 阶算子d 称为 x ( 的r 次累减生成算子。我们记 x ( o ) d 卑a 0 ) x 0 ) i ( 口1 x ( 0 ( 1 ) ，口1 x o ( 2 ) ，a 1 x 0 ) ( n ) ) ( 2 4 ) x o d 。i 口x o 皇( 口( 0 x o ( 1 ) ，口( 0 x o ( 2 ) ，口x 柳( n ) ) ( 2 5 ) 其中口x o ( k ) 一o f ( r z ) x 柳( k ) 一o f ( f t ) x o ( k 一1 ) ： k = 1 ，2 ，n 港口集装箱吞吐量预测模型研究 定理2 1 设x ( 为非负准光滑序列，则x ( 的一次累加生成序列x 1 具有准指数规 律。 定理2 1 是灰色系统建模的理论基础，如果序列x ( o 满足准光滑条件且非负，则可 用其一次累加生成序列来建立灰色模型。事实上，由于经济系统、生态系统、农业系统 等均可视为广义的能量系统，而能量的积存与释放一般具有指数规律。因此，灰色系统 理论的指数模型具有十分广泛的适应性。 2 1 2 灰色系统的建模 灰色建模是进行灰色预测与灰色决策的基础，其建模过程可分为五步：语畜模型一 网络模型一量化模型一动态模型一优化模型。五步建模过程事实上是信息不断补充，系 统因素及其关系不断明确，明确的关系进一步量化，量化后的关系进行判断改造的过程， 是系统由灰变白的过程。 2 1 3 灰色理论g m ( 1 ，1 ) 模型简述 灰色理论g m ( 1 ，1 ) 模型是一个一阶的，一个变量的微分方程，其模型的具体形式 表示如下：d x + a 】【，u 。建模过程为：设有数列x ( 0 共有n 个观察值x 卿( 1 ) ，x ( o ( 2 ) ， d t x ( o ( n ) 对x ( o 作一阶累加生成，得到新的数列x o ) ，其元素的表达式为： i x ( 9 ( i ) 一罗x 。( ，力i = l ，2 ，3 ，n 并且将其展开得到 篇 x o ) ( 1 ) 一x 种( 1 ) x o ( 2 ) 一x ( 0 ( 1 ) + x o ) ( 2 ) - x 1 ( d + x o ) ( 2 ) x o ) ( 3 ) t x o ( 1 ) + x 柳( 2 ) + x ( 3 ) 一x o ) ( 2 ) + x 聊( 3 ) x 1 ) ( n ) - x 1 ) ( n d + x ( n ) 对一阶生成的数列x o ) ，建立预测模型的g m 形式方程， 贮+ a 】【( 1 ) - u ( 2 6 ) d t 其中a ，u 为待估参数，分别为发展灰数和内生控制灰数，并将上式的离散形式展开， 对数据k = l ，2 ，n ，可得 大连理工大学硕士学位论文 k ；1 ，x ( 。( 2 ) ；a ( 一昙( x m ( 1 ) + x m ( 2 ) ) ) + u ， k ：2 ，x 仰( 3 ) ；a ( 一昙( x0 ( 2 ) + x ( 3 ) ) ) + u ， k _ n ，x ( 。( n ) ia ( 一：( x ( 1 ( n 一1 ) + x ( 1 ( n ) ) ) + u 将两个待估参数表示为向量形式a ，则a 2 i 】，将上述展开的离散方程组，仿多元 一丢( x ( 1 ) + x ( 1 ( 2 ) ) 1 一1 ) ( 2 ) “”( 3 ) ) l j 1 ( n 一1 ) + x ( i ( n ) 1 y 。一【x ( 2 ) ，x 0 ( 3 ) ，x o ) j r 将求得的a 代入( 2 6 ) 式，并解微分方程，有g m ( 1 ，1 ) 预测模型为： x a ( i + 1 ) 。( x ( 。( 1 ) 一旦) e 一“+ 旦 ( 2 7 ) aa 2 1 4 灰色理论g m ( 1 ，1 ) 模型的改进 当灰色理论g m ( 1 ，1 ) 模型预测数据的精度不理想时，就需要对灰色理论模型进行 改进，通常的改进方法是利用灰色理论模型的剩余残差建立残差g m ( 1 ，1 ) 模型，来对 原始模型进行修正。 一般来说，被残差修正的模型可以是生成模型