基于数据分解的上海港集装箱吞吐量预测模型
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1000-4653.2019.02.025

基于数据分解的上海港集装箱吞吐量预测模型

引用
根据“分而治之”的框架,分别运用经验模式分解(Empirical Mode Decomposition,EMD)算法和季节性自回归积分滑动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)算法,将月度集装箱吞吐量时间系列数据分解为不同特征的分量,用支持向量回归(Support Vector Regression,SVR)模型分别对各分量进行预测,EMD-SVR模型和SARIMA-SVR模型预测结果的平均绝对百分误差(Mean Absolute Percentage Errors,MAPE)分别为5.18%和7.26%,与港口实际吞吐量均较为一致,优于SVR模型的8.55%、自回归积分滑动平均(Autoregressive In-tegrated Moving Average,ARIMA)模型的11.8%和灰色系统(Grey Model,GM(1,1))模型的10.1%,验证数据分解方法在上海港集装箱月度吞吐量预测中的可行性,支持间接性预测模型精度高于直接模型的观点.

经验模式分解、支持向量回归、自回归积分滑动平均模型、灰色预测

42

U691.71(水路运输技术管理)

浙江省科技厅公益技术应用研究项目2016C31111;浙江省社会科学界联合会研究项目2015N042;浙江省高等教育学会实验室工作研究重点项目ZD201503

2019-07-31(万方平台首次上网日期,不代表论文的发表时间)

共7页

132-138

相关文献
评论
暂无封面信息
查看本期封面目录

中国航海

1000-4653

31-1388/U

42

2019,42(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn