基于组合模型的防城港货物吞吐量预测研究

《基于组合模型的防城港货物吞吐量预测研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、http://www.paper.edu.cn基于组合模型的防城港货物吞吐量预测研究朱荣艳武汉理工大学交通运输规划与管理系，武汉（430070）E-mail:zhurongyan1985@163.com摘要：本文通过对防城港过去吞吐量的调查，运用回归预测和灰色模型预测方法，分别对防城港货物吞吐量的发展水平进行预测，并将两种方法预测的结果进行组合，事实表明组合预测方法是一种综合性的预测方法。关键词：防城港，灰色模型，线性回归，组合预测1.引言目前，西部大开发、泛珠三角经济圈的形成、中国—欧盟贸易区的创建，给整个环北海

2、湾带来千载难逢的发展机遇。位于广西北部湾的防城港、钦州、北海港，形成了环北部湾经济圈的重要港口群之一。三港同处北部湾内广西沿海，相距不过60海里。三港自然环境得天独厚，水域开阔，水深浪小，潮差大，回淤少，建港资源丰富，开发建设潜力大。它们的经济腹地都是广西和云南、贵州、四川、重庆等地以及湖南西部，湖北西南部地区。防城港作为广西第一大港，是东进西出的桥头堡，西南地区走向世界的海上主门户，同时面临着机遇和挑战。港口吞吐量是港口最基本的生产指标，是衡量一个港口发展的重要依据，是组织港口生产、编制港口发展规划和进行港口建设

3、的重要条件。同时，港口吞吐量的大小可以反映港口所在城市及其腹地范围的经济状况和发展水平。吞吐量的货物分类可以反映所在城市及其腹地范围内的产业结构和经济结构。吞吐量的进出流向可以反映港口间、城市间、地区间、外贸港口的国家之间的经济和贸易关系。在制定发展规划前，首先要对其吞吐量进行预测，掌[2]握其走向规律，分析其相关因素，以便为港口发展规划的制定提供可靠、准确的依据。2.预测方法简介预测就是根据过去的历史资料和现在的实际情况，运用已知的客观规律和有关的科学知识手段，对所关心的事物及环境在未来的变化和发展趋势进行分析、

4、探索、估计和评价。目前的预测方法众多，各种方法均有各自的优缺点。本文采用一种基于时间序列的灰色模型与基于影响因素的回归模型的组合，并针对这两个模型构成的组合预测模型的特点，以预测误差平方和作为精度指标，来确定权重数。1）灰色模型预测灰色预测是将已知的数据序列按照某种规则构成动态或非动态的白色模块。再按照某种变化、解法来求解未来的模型。具体讲，当一时间序列无明显趋势时，采用累加的方法生成一趋势明显的时间序列，按该序列增长趋势建立预测模型，并考虑灰色因子的影响进行预测，[4]然后采用“累减”的方法进行逆运算，恢复时间序

5、列，得到预测结果。2）回归分析预测法回归分析法是从经济现象之间的因果关系出发，应用回归方程来分析经济变化规律，是因果预测法的一种。回归分析预测模型按照变量的个数，可以分为一元回归分析和多元回归分析，按照变量之间的关系，又可以分为线性回归分析和非线性回归分析。回归分析预测法基于这样的原理：事物内部的变化关系，一般分为两类：一类是变量间是一种确定的函数关系；另一种是变量间是一种不确定的相关关系，对具有相关关系的变量，就可以通过数理统-1-http://www.paper.edu.cn计方法建立起变量间的回归方程，从而对

6、变量间的密切程度进行描述，并实现对变量回归的[3]估计和测定。3）组合预测法所谓组合预测法就是用两种或两种以上不同的单项预测法对同一预测对象进行预测，并对各个单独的预测结果作加权平均，取其加权平均值作为最终预测结果的一种预测方法。组合预测模型的建立与应用是提高预测模型精度、增强预测模型实用性的有效途径之一。纵观国内外研究现状可以发现，现有的组合预测方法都是基于直接改善某种拟合误差角度提出来的。并且根据预测惯例，预测效果的评价至少可以从平方和误差（SSE）、平均绝对误差（MAE）、均方误差（MSE）、平均绝对百分比误

7、差（MAPE）、均方百分比误差（MSPE）[4]五个方面进行全方位的综合衡量。3.防城港货物吞吐量预测2.1灰色模型分析1)原始数据根据调查，1995-2006年防城港货物吞吐量的数据见表1。表1历年货物吞吐量(单位：万吨)年份序列吞吐量合计19951463.6019962508.5519973650.0819984706.5219995808.0320006922.66200171003.21200281116.25200391319.642004101608.462005112006.002006122506.

8、00(0)2）对x(t)一次累加作生成变换(0)x(t)={463.60，508.55，650.08，706.52，808.03，922.66，1003.21，1116.25，1319.64，1608.46，2006.00，2506.00}(1)x(t)={463.60,，72.15，1622.23，2328.75，3136.78，4059.44，5062.