基于外部干预的港口吞吐量预测

《基于外部干预的港口吞吐量预测》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于外部干预的港口吞吐量预测　　　　【摘要】为更加准确预测港口吞吐量，以吉大港集装箱吞吐量为研究对象，构建一种灰色预测法修正干预时间序列ARIMA模型。模型以时间序列ARIMA模型分析为基础，识别干预后对干预序列采用灰色预测修正，旨在充分发挥灰色预测处理小样本的优势，提高干预模型预测精度。分析表明，在外部干预的条件下灰色修正时间序列模型预测港口集装箱吞吐量效果良好。模型预测结果为该港改扩建工程提供有力决策依据。下载论文网　　【关键词】干预分析；时间序列；灰色预测；吞吐量　　0引言　　事物发展在遵循其自身规律的同时，通常也会受到外部干扰，这种外部干扰即

2、为外部干预事件，统计学上将定量评估干预事件的具体影响过程称为干预分析。该分析始于20世纪70年代，在博克斯与刁锦寰教授联合发表的《经济与环境问题的干预分析及应用》一文中有涉及[1]，此后干预分析概念引起广泛研究。目前，学者们研究政策干预带来经济发展影响的居多，鲜有将干预方法用于港口吞吐量的预测。　　冯文权等[2]提出了多种政策干预建模，通过分别构建时间序列干预模型、灰色干预模型来分析经济体制改革对工业生产的影响和改革开放对国民收入增长的影响；张志俊等[3]应用计量经济学、统计预测理论构建了“后非典”时期货运量干预分析模型，通过分析得出我国经济势头良好

3、、货运量将显著增长的结论；朱宗元等[4]通过分析我国外贸吞吐量数据，构建时间序列干预分析模型研究金融危机对我国外贸吞吐量造成变化。孔大华等[5]将时间序列干预模型运用到国际干散货运价指数预测，充分体现了干预模型在预测方面的优势。总体而言，现有干预研究侧重事后分析干预带来的影响，研究对象也绝大多数集中于经济领域，很少有将干预模型运用于事后的预测。　　集装箱市场预测是确定港口建设规模的前提，是提高项目经济效益和社会效益的关键。根据吉大港集装箱吞吐量实际情况，2012年前集装箱吞吐量增长趋势明显，2012年受周边港口扩建影响运量呈现明显干预特征。为尽可能使

4、预测结果具有较高可信度，本文以时间序列预测为基础构建灰色干预模型，最后将组合模型运用于吉大港集装箱吞吐量预测，参数检验表明模型构建合理、预测效果良好。　　1干预分析模型构建　　时间序列模型　　时间序列分析方法基于时间序列，单点数据具有不确定性，但序列整体呈现一定规律，可建模描述。具体模型可分解为长期趋势、季节因素、周期性以及随机误差。　　平稳性是时间序列建模的重要前提，通常非平稳模型首先需要平稳化处理。通过对序列差分运算，检验其差分后自相关（ACF）图和单位根（ADF），得到差分后平稳序列。对平稳系列ARMA（p，q）模型的建模数学表达式为　　式中：

5、xt为序列数值；xti为序列在ti（i=1，2，…，p）期值；i为自回归系数项；j为移动平均系数项（j=1，2，…，q）；ut为随机误差项；utj为序列在tj期误差；p和q值取决于时间序列模型拟合结果。　　当p=0时，模型与序列前期数据值无关，全由移动平均系数部分解释，即ARMA（0，q）实际等同于移动平均MA（q）模型；同样，当q=0时，模型ARMA（p，0）是移动平均AR（p）模型。因此，理论上时间序列都可以由ARMA（p，q）模型描述。　　ARMA（p，q）模型预测精度较高，但对数据量要求比较高，否则很难通过参数假设检验。在实际工作中，多数港口

6、吞吐量数据缺失，时间序列的优势通常难以施展。本文研究的吉大港作为孟加拉国最主要港口，且为世界排名前100的港口，其吞吐量数据得以完整保留。　　灰色预测模型　　灰色预测是对灰色、不确定性系统进行预测的方法，通过对数据生成处理，充分提取序列信息，得到有较强规律序列建模。由于模型具有对数据要求低、所需样本少、预测效果好等优点，该方法已广泛应用于社会、经济各领域，并在多个方面显示出其方法的优越性。目前，灰色预测已成为小样本预测问题最有效的方法。　　该模型的核心是将无规律数据经累加生成有规律序列，并对有规律序列建模、预测，以及对预测数据逆生成，最后得到原始数据

7、的预测结果。通常含n个变量的m阶灰色模型记为GM（m，n），时序数据为变量在单一时间维度上的值，即GM（l，l）模型。对GM（1，1）模型的建模数学表达式为　　干预分析混合模型　　干预事件根据影响时长可分为干预发生长期影响和干预发生短期影响两大类。根据港口规划建设特点，短期影响仅造成部分年份运量变化，长期发展趋势才是港口规划考虑的重点。此外，干预事件通常距预测期较近（若干预发生久远，则完全可采用干预后序列为基础数据）；因此，干预发生前数据较为全面，干预发生后往往数据量较少。结合时间序列预测和灰色预测的各自优势，干预前用时间序列预测方法可提高项目预测精

8、准度，干预后采用灰色预测对小样本数据最为有效。　　本文以时间序列、灰色预测为基础提出干预分析模型，对传统的预