基于SARIMA-BP模型的港口船舶交通流量预测

摘要：

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型.以深圳港2011-2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果.试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法.

关键词：船舶交通流量、预测、季节性自回归移动平均模型、BP神经网络

所属期刊栏目：43

分类号：U692(水路运输技术管理)

资助基金：国家自然科学基金;上海市科委科研项目

在线出版日期：2020-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：50-55,94