典型文献
基于选择性深度集成的集装箱吞吐量混合预测模型研究
文献摘要：
精准预测集装箱吞吐量是合理规划港口建设、制定港口作业计划和调整港口发展方向的重要基础.针对港口集装箱吞吐量的复杂非线性特征,本文提出了基于选择性深度集成的集装箱吞吐量混合预测模型(HMSD).该模型首先使用经验模态分解方法将原始集装箱吞吐量时间序列分为若干个本征模函数和余波序列.考虑到各本征模函数的高度非线性特征,分别训练长短时记忆网络、门控循环单元和卷积神经网络三种深度学习模型作为基准模型对其进行预测,再运用改进的数据分组处理技术(GMDH)建立选择性深度集成模型,得到各本征模函数的集成预测结果,进一步采用自回归求积移动平均模型预测线性余波序列,将全部本征模函数和余波的预测值进行整合得到总的集装箱吞吐量预测值.为验证提出的模型在集装箱吞吐量预测上的性能,本文选取我国吞吐量具有显著差异的六个港口进行实证,结果表明该模型在六个港口上均具有最好的预测效果,最后还运用HMSD模型给出了 2021年1月至2022年12月六个港口集装箱吞吐量的样本外预测值.
文献关键词：
集装箱吞吐量;混合预测模型;深度神经网络;选择性深度集成
中图分类号：
[3]
交通运输（U）
/
水路运输（U6）
/
港口工程（U65）
/
港口水工建筑物（U656）
/
码头（U656.1）
/
码头：按用途分（U656.1+3）
/
集装箱码头（U656.1+35）
作者姓名：
肖进;文章;刘博;陈茗洋;王亚东;黄静
作者机构：
四川大学商学院,成都610064;四川大学管理科学/运筹学研究所,成都610064;四川大学公共管理学院,成都610065
文献出处：
引用格式：
[1]肖进;文章;刘博;陈茗洋;王亚东;黄静-.基于选择性深度集成的集装箱吞吐量混合预测模型研究)[J].系统工程理论与实践,2022(04):1107-1128
A类：
选择性深度集成,HMSD
B类：
混合预测模型,精准预测,合理规划,港口建设,港口作业,作业计划,港口发展,港口集装箱吞吐量,非线性特征,使用经验,经验模态分解,分解方法,若干个,本征模函数,余波,高度非线性,长短时记忆网络,门控循环单元,深度学习模型,数据分组,GMDH,集成模型,集成预测,自回归,求积,移动平均,集装箱吞吐量预测,口上,样本外预测,深度神经网络
AB值：
0.198665
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
