基于情境变动的港口吞吐量预测模型
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.
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
30
国家自然科学基金项目71573028,71703011,71781330123;辽宁高校杰出青年学者计划WJQ2015004;辽宁自然科学基金面上项目201601006,20170540030;大连市科技之星项目2016RQ074
2018-04-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
195-201