Print

基于时间序列和Xgboost的钢卷仓储吞吐量预测

论文摘要

钢铁物流是衡量无水港钢铁贸易水平的核心指标之一。针对提升无水港运作效率,提前规划库位分配并监测钢卷吞吐量,提出一种基于时间序列和极端梯度提升（Xgboost）的钢卷仓储吞吐量预测方法。该方法对输入特征中含有连续变量和离散变量的混杂系统构建时间特征,用滑窗法构造回归数据,用one-hot编码处理离散变量,将差分整合移动平均自回归（ARIMA）模型和Xgboost模型加权融合,实现热卷和冷卷未来7天和4周的吞吐量预测。利用某无水港2014年至2018年的历史销售订单、仓储、吞吐量等数据进行训练和测试。实验结果表明,ARIMA和Xgboost的组合模型得分82.421 5,具有最高的预测精度,比单一的时间序列模型和机器学习模型准确率都高。

论文目录

  • 0 引言
  • 1 相关理论
  •   1.1 one-hot编码
  •   1.2 混杂系统
  •   1.3 Xgboost
  •   1.4 ARIMA
  • 2 建模方法
  •   2.1 原始数据预处理
  •   2.2 钢卷仓储吞吐量预测输入输出变量的选择
  •   2.3 建模方法
  •     2.3.1 ARIMA参数选择
  •     2.3.2 Xgboost参数选择
  •   2.4 模型训练
  • 3 实验结果及分析
  •   3.1 模型评价
  •   3.2 预测结果
  • 4. 结语

    • 文章来源

    类型: 期刊论文

    作者: 孟杭,黄细霞,涂修建

    关键词: 无水港,钢卷吞吐量预测,混杂系统,时间特征,编码,极端梯度提升

    来源: 计算机应用 2019年S2期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 公路与水路运输

    单位: 航运技术与控制工程交通部重点实验室(上海海事大学)

    基金: 国家自然科学基金资助项目(61304186)

    分类号: U691.71

    页码: 24-28

    总页数: 5

    文件大小: 624K

    下载量: 243

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/09d697ffd6d45ef86378f214.html