基于情境变动的港口吞吐量预测模型

作者：鲁渤,杨显飞,汪寿阳

摘要：情境变动是影响港口吞吐量预测的重要因素。然而现有关于港口吞吐量预测建模的研究对此问题的关注度相对较少。因此本文构建动态惩罚支持向量回归模型,通过动态调整每个数据的惩罚系数,使预测模型快速适应新情境下的事物发展规律,从而提高预测模型的预测准确率。采用1980-2014年大连港和天津港的年货物吞吐量数据进行实证研究,并与传统支持向量回归模型和ARIMA模型进行对比分析,实证结果表明本预测模型与其他两个预测模型相比具有以下两个特点：1、当影响港口吞吐量的情境发生变化时,该模型能够快速适应新情境,从而提高预测准确率;2、该模型的预测性能更加准确、平稳,从而提高实用性。

发文机构：大连大学国际学院 大连大学智慧航运与物流网络技术国家地方联合工程实验室 大连大学经济与管理学院 中国科学院数学与系统科学研究院

关键词：情境变动港口吞吐量时间序列预测动态惩罚支持向量回归模型context change, port throughput, time series prediction, dynamic penalty, support vector regression model

分类号： U691[交通运输工程—港口、海岸及近海工程][交通运输工程—船舶与海洋工程]