基于神经网络的港口效率评价研究

《基于神经网络的港口效率评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连海事大学硕士学位论文基于神经网络的港口效率评价研究姓名：刘玲玲申请学位级别：硕士专业：交通运输规划与管理指导教师：肖青20100601摘要港口不仅是运输网络中的枢纽，也是经济体系中的重要环节。随着我国对外贸易的不断扩大，各个港口之间的竞争也日趋激烈。因此，各港口必须不断地提高自身效率，即港口以最小的投入，获得最佳产出，才能在国内和国际竞争中立于不败之地。港口效率评价研究有利于港口当局制定合理的规划政策，有利于各港口判断自身与其它港口的效率水平差距、提升效率水平，有利于各港口的资源配置的优化，为港口培养核心

2、竞争力提供依据，对港口的发展具有重大意义。国内外研究港口效率的方法较多，其研究取得了一定的成果，但仍然存在一定的缺陷。因此，本文将BP神经网络模型引入到港口效率评价中。选择08年吞吐量在前10名的港口企业作为研究对象。选取泊位长度、桥吊数量、场桥数量、堆场面积以及吃水深度为输入指标，集装箱吞吐量、集装箱吞吐量增长率为输出指标做港口效率对比研究。本论文主要分为五章，第一章绪论分析了论文的研究背景、国内外相关研究以及研究意义、目的、方法、内容；第二章简要说明国内外港口效率评价方法；第三章引入神经网络方法；在第四章

3、完成输入指标、输出指标的选择后，利用神经网络对我国主要的集装箱码头进行效率评价，并运用主成分分析法对码头效率影响因素进行分析；最后一章为结论和展望。关键词：集装箱码头；港口效率；印神经网络模型英文摘要ABSTRACTPortisnotonlyatransportationhubofthenetwork，butalsoa11importantpartoftheeconomysystem．WiththecontinuousexpansionofChineseforeigntrade，thecompetitionb

4、etweenportsisintensifying．Therefore，allportsmustconstantlyimprovetheirefficiency,thatis，谢mtheminimuminputandthebestoutput，theportCanbeinRninvinciblepositionofthedomesticandinternationalcompetition．EfficiencyevaluationCanhelpportauthoritiestomakeplanesandpol

5、icies，helptomeasurethedifferenceofefficiencylevelandhelptooptimizeresourceallocation．Also，itCanprovidebasistothecorecompetitivenessoftheport,whichismeaningfultothedevelopmentoftheport。Thoughtherearemanymethodsintheportefficiencystudyandtheyhaveachievedsomer

6、esults，therearestillsomedefects．Therefore，thispaperwillusetheBPneuralnetworkmodeltoevaluatetheefficiencyoftheportandchoosethetop10companiesofportthroughputin2008forthestudy．Weselectthelengthoftheberths，thenumberofcranes，thenumberoffieldbridges，theyardareaan

7、dthedraftastheinputindicatorsandselectthecontainerthroughput，thecontainerthroughputgrowthrateastheoutputindicatorsforthecomparisonofportefficiency．Thispaperconsistsfivechapters，thefirstchapterintroduceresearchbackground，meaning，purpose，methodandcontentofthi

8、spaper；thesecondchaptergiveabriefdescriptionofportefficiencyevaluationindomesticandfomign；thethirdchapterintroducetheneuralnetwork；thefourthchapterusetheneuralnetworktoevaluatetheefficiencyofcontainert