导读:本文包含了吞吐量预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:吞吐量,模型,向量,神经网络,集装箱,平均,因子。
吞吐量预测论文文献综述
刘月,朱金福,陈娴[1]（2019）在《考虑滞后期的机场旅客吞吐量预测》一文中研究指出机场旅客吞吐量的影响因子通常存在滞后期,论文在选定了影响因素之后,通过随机森林重要度指数,确定各因子的滞后期;接着,以1987—2018年南京禄口国际机场的数据建立吞吐量预测的逐步回归模型;最后,对模型效果进行评价并基于建立的模型对2019年和2020年南京禄口国际机场的吞吐量进行预测。结果表明:影响因子对旅客吞吐量的影响存在1～9年不等的滞后期;通过与未考虑滞后期的模型进行对比,发现考虑滞后期的模型拟合效果更优,MAE减小显着。因此,将滞后期引入机场旅客吞吐量预测是很有必要的。(本文来源于《华东交通大学学报》期刊2019年06期）
杨梦达,戴晨斌,冀和,樊重俊[2]（2019）在《基于SD-ARIMA复合模型的虹桥机场旅客吞吐量预测》一文中研究指出构建SD-ARIMA,p,d,q,s,p,sd,sq,S,1,复合模型,使用剔除季节趋势后的月度客流量数据对上海虹桥机场2008年1月至2017年12月数据进行建模,以2018年1～8月虹桥机场旅客吞吐量数据作为测试集进行预测验证。结果发现:虹桥机场客流量呈现出冬季偏低的季节性波动趋势;SD-ARIMA复合模型对时间序列极端值数据更为耐受,对客运量表现出较好的拟合效果。通过对模型不同角度的性能分析,本研究构建的SD-ARIMA复合模型具备一定的有效性及优越性,可用于短期的机场客流量预测,同时对机场的运营及资源调配等方面具有一定参考价值。(本文来源于《物流科技》期刊2019年11期）
宋长利,靳廉洁,关峰,林木西[3]（2019）在《基于支持向量机的大连港主要货种吞吐量预测研究》一文中研究指出为建立适合港口典型货种煤炭、油品、集装箱吞吐量的数据模型,实现精准预测港口吞吐量,本研究中结合直接和迭代预测模型的优点,构建了基于支持向量机模型的多步混合预测方法,并通过对大连港66个月吞吐量样本数据进行了实证分析。结果表明:利用建立的多步混合预测模型计算,煤炭、油品、集装箱的预测值与实际值的平均相对误差分别为5.7%、4.2%、2.8%;相关系数分别为95.5%、95.2%、98.2%。研究表明,本研究中构建的多步混合预测模型参数标定准确、预测精度较高,可为港口经营者掌握港口运转状态及经营决策提供技术支持,在港口多货种吞吐量指标预测中具有可行性。(本文来源于《大连海洋大学学报》期刊2019年05期）
黄跃华,陈小龙,王亚辉[4]（2019）在《基于正弦和的GM(1,1)幂模型在港口吞吐量预测中的应用》一文中研究指出为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型)。首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型。利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显着优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中。(本文来源于《上海海事大学学报》期刊2019年03期）
陈锦文,兰培真[5]（2019）在《改进型BP神经网络的港口吞吐量预测》一文中研究指出为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来叁年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来叁年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差迭加,具有较好的适用性。(本文来源于《集美大学学报(自然科学版)》期刊2019年05期）
郭战坤,金永威,梁小珍,杨明歌,汪寿阳[6]（2019）在《基于异常值检测的港口集装箱吞吐量预测模型》一文中研究指出考虑到诸如金融危机等重大事件的影响,时间序列可能存在异常值,提出了一个基于局部异常因子(LOF)的LOF-SSA-LSSVM预测模型,并将其应用于广州港集装箱吞吐量预测.首先,对原始时间序列进行X12加法季节分解,对于分解得到的不规则序列,采用LOF算法进行异常值检测,确定异常数据的位置,之后通过插值或最小二乘支持向量机(LSSVM)的预测值来修正原始季节调整序列中的异常值,将修正后的季节调整序列与季节因子序列加和,即得到新的待预测序列.预测阶段,先采用奇异谱分析(SSA)将新的待预测序列进行分解重构,剔除序列中的噪声,然后再采用LSSVM对其进行预测.实证结果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有着更好的预测精度.(本文来源于《数学的实践与认识》期刊2019年17期）
贾飞跃,韩晓龙[7]（2019）在《基于因子分析和曲线拟合的集装箱吞吐量预测》一文中研究指出为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展值为自变量,以集装箱吞吐量为因变量的叁次曲线模型;运用自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型预测2016—2020年的综合经济发展值,进而求得2016—2020年上海港集装箱吞吐量预测值。结果表明:该模型的拟合效果和预测精度均较高,可以运用到集装箱吞吐量预测中。给出上海港在国内经济新常态下转型升级的建议。(本文来源于《上海海事大学学报》期刊2019年02期）
冯宏祥,GRIFOLL,Manel,AGUSTI,Martinmallofre,郑彭军[8]（2019）在《基于数据分解的上海港集装箱吞吐量预测模型》一文中研究指出根据"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 Integrated 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。(本文来源于《中国航海》期刊2019年02期）
朱庆辉,勾翔宇[9]（2019）在《基于小波神经网络的上海港集装箱吞吐量预测》一文中研究指出针对港口集装箱吞吐量预测精度不高的问题,采用小波函数作为隐含层传递函数改进BP神经网络进而建立小波神经网络,并对2008-2017年上海港的每月集装箱吞吐量数据按照前叁个月预测后一个月的方式构建出训练数据和预测数据,同时与BP神经网络在同样数据情况下的预测精度进行比较分析。结果表明:小波神经网络的预测误差明显小于BP神经网络,其预测性能更好。(本文来源于《中国水运》期刊2019年06期）
郭雪[10]（2019）在《基于集成预测模型的集装箱吞吐量预测研究》一文中研究指出本文综合运用ARIMA预测模型和LSSVR预测模型,提出了一种集成预测模型,并将该模型应用于上海港的集装箱吞吐量预测研究中。此外,采用不同的参数估计方法估计ARIMA模型的参数,得到了两种ARIMA预测模型。研究表明,集成预测模型可以提高预测模型的准确性,不同的估计方法也会影响模型的预测表现。(本文来源于《物流科技》期刊2019年06期）
吞吐量预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
构建SD-ARIMA,p,d,q,s,p,sd,sq,S,1,复合模型,使用剔除季节趋势后的月度客流量数据对上海虹桥机场2008年1月至2017年12月数据进行建模,以2018年1～8月虹桥机场旅客吞吐量数据作为测试集进行预测验证。结果发现:虹桥机场客流量呈现出冬季偏低的季节性波动趋势;SD-ARIMA复合模型对时间序列极端值数据更为耐受,对客运量表现出较好的拟合效果。通过对模型不同角度的性能分析,本研究构建的SD-ARIMA复合模型具备一定的有效性及优越性,可用于短期的机场客流量预测,同时对机场的运营及资源调配等方面具有一定参考价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
吞吐量预测论文参考文献
[1].刘月,朱金福,陈娴.考虑滞后期的机场旅客吞吐量预测[J].华东交通大学学报.2019
[2].杨梦达,戴晨斌,冀和,樊重俊.基于SD-ARIMA复合模型的虹桥机场旅客吞吐量预测[J].物流科技.2019
[3].宋长利,靳廉洁,关峰,林木西.基于支持向量机的大连港主要货种吞吐量预测研究[J].大连海洋大学学报.2019
[4].黄跃华,陈小龙,王亚辉.基于正弦和的GM(1,1)幂模型在港口吞吐量预测中的应用[J].上海海事大学学报.2019
[5].陈锦文,兰培真.改进型BP神经网络的港口吞吐量预测[J].集美大学学报(自然科学版).2019
[6].郭战坤,金永威,梁小珍,杨明歌,汪寿阳.基于异常值检测的港口集装箱吞吐量预测模型[J].数学的实践与认识.2019
[7].贾飞跃,韩晓龙.基于因子分析和曲线拟合的集装箱吞吐量预测[J].上海海事大学学报.2019
[8].冯宏祥,GRIFOLL,Manel,AGUSTI,Martinmallofre,郑彭军.基于数据分解的上海港集装箱吞吐量预测模型[J].中国航海.2019
[9].朱庆辉,勾翔宇.基于小波神经网络的上海港集装箱吞吐量预测[J].中国水运.2019
[10].郭雪.基于集成预测模型的集装箱吞吐量预测研究[J].物流科技.2019
论文知识图
