论文部分内容阅读
港口集装箱吞吐量因受到市场、经济和非经济等诸多因素的影响因而是一个复杂的非线性系统，但其变化也有内在的规律性。由于近年来我国经济的高速发展，使得外贸运输及港口集装箱吞吐量呈现出连续增长的趋势，而灰色理论所具有的特性使其在预测增长型时间序列时有一定的优势，但同时也存在预测精度不高等问题，因此本文采用神经网络方法对灰色理论GM(1，1)模型进行修正，从而使预测精度得到较大的提高。 本文以港口集装箱吞吐量的时间序列为基础，在详细分析其数据序列构成的条件下，提出基于人工神经网络的GM(1，1)残差修正预测模型，并使用该模型对港口集装箱吞吐量进行预测，来评价预测模型的有效性。 首先，本文对国内外集装箱吞吐量预测方法、预测现状及最新的研究状况进行了综述，并对影响集装箱运输的因素进行了简要的分析，同时指出集装箱吞吐量是一个复杂的非线性系统。 其次，在介绍了灰色理论GM(1，1)模型和神经网络的相关理论之后，从灰色理论GM(1，1)模型存在的问题入手，以改进的BP神经网络算法为基础，提出基于人工神经网络的GM(1，1)残差修正算法。 再次，根据非线性时间序列预测原理，以及本文所提出的基于人工神经网络的GM(1，1)残差修正算法，提出GM-NN(1，1)残差修正预测模型并设计了港口集装箱吞吐量预测系统，同时对模型中神经网络部分的有关参数确定、网络结构进行了详细的讨论。 最后，依据大连港1980年—2005年集装箱吞吐量，在详细讨论了模型中各参数的确定方法之后，确定了模型中各参数的数值，并使用港口集装箱吞吐量预测系统，以大连港集装箱吞吐量预测试验来检验本文所提出的集装箱吞吐量预测模型的有效性。同时对大连港2006年—2010年集装箱吞吐量进行了预测，并对预测结果作了简要的分析。