基于組合預(yù)測模型的武漢港集裝箱吞吐量預(yù)測

彭亞美，楊家其

（武漢理工大學(xué)　交通學(xué)院，湖北　武漢　430063）

基于組合預(yù)測模型的武漢港集裝箱吞吐量預(yù)測

彭亞美，楊家其

（武漢理工大學(xué)交通學(xué)院，湖北武漢430063）

集裝箱物流是衡量一個港口國際貿(mào)易水平的核心指標(biāo)之一，科學(xué)地預(yù)測港口吞吐量有利于各港口更好地進行集裝箱運輸規(guī)劃，提高港口綜合競爭力。武漢港是長江黃金水道的一個重要節(jié)點，在長江航運物流的發(fā)展中起著重要的作用。利用GM（1，1）模型和回歸分析模型建立組合預(yù)測模型，對武漢港近十年的集裝箱吞吐量進行了預(yù)測，結(jié)果表明，灰色回歸組合模型可以提高預(yù)測精度，為港口集裝箱物流提供了規(guī)劃依據(jù)。

港口物流；集裝箱吞吐量；GM（1，1）模型；多元回歸模型；組合預(yù)測；武漢港

1　引言

目前，國內(nèi)外學(xué)者對物流量的預(yù)測主要集中在組合預(yù)測模型方面，特別是對于時變權(quán)重的討論重點主要在定量預(yù)測方面［1］。常用的預(yù)測方法主要包括指數(shù)平滑法、神經(jīng)網(wǎng)絡(luò)法、灰色預(yù)測法等，不同的方法側(cè)重點不同。預(yù)測時，不同的方法能夠?qū)ν粚ο螽a(chǎn)生不同側(cè)重點的預(yù)測意義，并且預(yù)測的精度也由于方法的不同而存在差異。所以能夠?qū)⒉煌念A(yù)測方法根據(jù)一定的方式進行組合，構(gòu)建新的預(yù)測方法，即組合預(yù)測法。組合是為了利用研究對象提供的原始樣本信息，利用組合預(yù)測法可以集合各種方法的優(yōu)勢，得到滿意度較高的預(yù)測結(jié)果。Paulo S.A.Freitas等人討論了不同神經(jīng)預(yù)測法并給出了基于神經(jīng)預(yù)測模型的組合預(yù)測法，他們在模型中考慮了高斯徑向基函數(shù)網(wǎng)絡(luò)［2］，有較好的參考意義。在港口物流預(yù)測方面，我國學(xué)者也有大量研究，對于港口集裝箱吞吐量的預(yù)測主要有傳統(tǒng)預(yù)測法、改進的預(yù)測法、組合預(yù)測法、智能預(yù)測法等［3-6］。灰色預(yù)測針對部分信息未知的不確定性系統(tǒng)，在物流量預(yù)測中有著廣泛的應(yīng)用。如翟希東以港口集裝箱吞吐量的時間序列為基礎(chǔ)，提出基于人工神經(jīng)網(wǎng)絡(luò)的GM（1，1）殘差修正預(yù)測模型，來評價預(yù)測模型的有效性［7］。張樹奎在分析傳統(tǒng)的灰色預(yù)測模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型優(yōu)缺點的基礎(chǔ)上，構(gòu)建了灰色神經(jīng)網(wǎng)絡(luò)港口集裝箱吞吐量預(yù)測模型［8］。樊文靖通過探討各種預(yù)測方法的建模機理、適用范圍以及優(yōu)缺點，最終確定了以單項預(yù)測模型為基礎(chǔ)組建組合預(yù)測模型［9］。綜合各學(xué)者的研究發(fā)現(xiàn)，灰色模型需要初始數(shù)據(jù)少，但未考慮到影響運量的因素變化，預(yù)測存在較大誤差；多元回歸模型充分考慮了運量的影響因素，將其與灰色模型結(jié)合起來預(yù)測，可以很好的減小誤差。以組合預(yù)測的預(yù)測誤差平方和最小為目標(biāo)函數(shù)，本文利用最小二乘法可以得到兩種預(yù)測模型的最優(yōu)權(quán)重，結(jié)果表明，灰色回歸預(yù)測的精度顯著提高。

2　多元回歸模型

回歸預(yù)測法是找出貨運量預(yù)測對象（因變量）與影響預(yù)測對象的各種因素（自變量）之間的關(guān)系，并建立相應(yīng)的回歸方程式，求得因變量的方法。根據(jù)所研究運量與主要經(jīng)濟指標(biāo)的相關(guān)關(guān)系，建立多元回歸模型。設(shè)所研究的對象受多個因素x1，x2，…，xn的影響，同時各個影響因素與y之間是線性關(guān)系，則建立的多元線性回歸模型為：

其中，y為理論值，式中的b0，b1，b2，…，bn用最小二乘法來估計。

本文以武漢港集裝箱吞吐量為預(yù)測對象，影響集裝箱吞吐量的因素有很多種，綜合有關(guān)研究成果，本文挑選最具有代表性的因素—武漢市的GDP總量X1和外貿(mào)進出口總額X2為自變量，集裝箱吞吐量Y為因變量來進行預(yù)測。建立二元線性回歸模型為：

3　GM（1，1）模型

GM（1，1）模型將所有隨機變量看作在一定范圍內(nèi)變化的灰色變量，是一種動態(tài)預(yù)測模型，需要的建模數(shù)據(jù)量較少、計算過程比較簡單，預(yù)測結(jié)果也比較可靠。

式（3）的解即時間響應(yīng)函數(shù)：

其時間響應(yīng)序列為：

還原值為：

GM（1，1）詳細(xì)建模過程見文獻［10］。該模型的檢驗可以從三個方面進行，即：殘差檢驗、關(guān)聯(lián)度檢驗和后驗差檢驗，對模型的檢驗是判斷模型是否適用的重要標(biāo)準(zhǔn)。

殘差序列：

相對殘差：

檢驗小誤差概率P：

表1　精度檢驗等級表

若檢驗結(jié)果在精度允許范圍內(nèi)，則建立的模型可以進行預(yù)測，反之需要修正。

4　灰色線性回歸模型預(yù)測結(jié)果與分析

4.1組合預(yù)測模型權(quán)重確定

利用組合預(yù)測方法對武漢港集裝箱吞吐量進行預(yù)測，然后對各自的預(yù)測結(jié)果進行適當(dāng)加權(quán)，將它們的平均值作為組合預(yù)測結(jié)果。形式如下：

式（14）中，Yk是組合預(yù)測模型第k組的值，di是第i種預(yù)測方法的加權(quán)系數(shù)，各個加權(quán)系數(shù)的和為1。要使預(yù)測的誤差達到最小，應(yīng)根據(jù)最優(yōu)化原理通過二次規(guī)劃求解［11］：

根據(jù)式（17）、（18）可以確定di的值，由此可得該組合預(yù)測模型的形式為：

4.2灰色線性回歸模型預(yù)測結(jié)果分析

通過查閱歷年武漢市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報及中國港口年鑒，近十年武漢市GDP、外貿(mào)進出口總額、港口集裝箱吞吐量情況見表2。

表2　2006-2015年武漢市經(jīng)濟情況及港口吞吐量

根據(jù)表2數(shù)據(jù)，利用GM（1，1）模型和回歸預(yù)測模型對武漢港集裝箱吞吐量分別進行預(yù)測，然后根據(jù)式（17）、式（18）可得上述兩種模型的權(quán)重分別為d1=0.430 524，d2= 0.569 476，接著由式（19）可以得到組合預(yù)測模型預(yù)測的武漢港集裝箱吞吐量，各模型預(yù)測結(jié)果以及組合預(yù)測的預(yù)測值和實際值對比情況見表3。

表3　各模型預(yù)測結(jié)果及組合預(yù)測模型誤差情況

由表3可得，組合預(yù)測模型平均相對誤差為0.33%＜0.5%，滿足精度要求，組合預(yù)測模型的預(yù)測效果較好。

5　結(jié)論

在國際經(jīng)濟與貿(mào)易飛速發(fā)展的大背景下，港口集裝箱吞吐量是港口物流發(fā)展的一個核心指標(biāo)，對港口的規(guī)劃與發(fā)展也有重大的影響，科學(xué)準(zhǔn)確預(yù)測港口集裝箱吞吐量具有重要的現(xiàn)實意義。常用的預(yù)測方法包括彈性系數(shù)法、時間序列法、神經(jīng)網(wǎng)絡(luò)預(yù)測法、灰色預(yù)測法等。綜合研究各種方法，由于港口集裝箱吞吐量受多種因素的影響，如腹地經(jīng)濟條件、港口基礎(chǔ)設(shè)施、港口運營效率、水運需求等，存在很多未知的變數(shù)，各因素的影響都是比較復(fù)雜和模糊的，因此利用灰色模型與回歸模型的組合模型可得出比較科學(xué)的預(yù)測結(jié)果。武漢港是長江中游的重要節(jié)點，自武漢確立了國家級航運中心地位，港口物流發(fā)展日益迅速。面對這樣良好的市場前景，武漢港應(yīng)科學(xué)制定相應(yīng)的規(guī)劃與策略。灰色回歸組合模型彌補了單一模型的不足，較好地提高了模型預(yù)測結(jié)果的精確度。該模型實用性強，還可通過具體分析進一步用于其它物流量的預(yù)測，為規(guī)劃和決策提供科學(xué)依據(jù)。

［1］Mark G-oh.Some logistics realities in Indochina［J］.International Journal of Physical Distribution and Logistics Management，2002，（30）∶887.

［2］Paulo S A Freitas，Antonio J L Rodrigues.Model combination in neural-based forecasting［J］.European Journal of Operational Research，2006，173∶801-814.

［3］馮春山，等.定性預(yù)測和定量預(yù)測的綜合應(yīng)用研究［J］.東華大學(xué)學(xué)報，2004，（3）∶115-116.

［4］陳婷婷，等.基于BP神經(jīng)網(wǎng)絡(luò)的港口貨物吞吐量預(yù)測［J］.物流科技，2010，（5）∶23-25.

［5］江釩，雷凱.改進的非線性模型在港口集裝箱吞吐量預(yù)測中的研究與應(yīng)用［J］.物流技術(shù)，2010，（3）∶148-150.

［6］潘文軍.基于智能的港口物流預(yù)測系統(tǒng)的研究與應(yīng)用［D］.武漢∶武漢理工大學(xué)，2004.

［7］翟希東.港口集裝箱吞吐量預(yù)測模型研究［D］.大連∶大連理工大學(xué)，2006.

［8］張樹奎，等.基于灰色神經(jīng)網(wǎng)絡(luò)的港口集裝箱吞吐量預(yù)測模型研究［J］.重慶交通大學(xué)學(xué)報（自然科學(xué)版），2015，（5）∶135-138.

［9］樊文靖.基于最優(yōu)組合的重慶港港口貨物吞吐量預(yù)測模型研究［D］.重慶∶重慶交通大學(xué)，2014.

［10］陸文杰.基于灰色組合模型的福建省港口集裝箱吞吐量預(yù)測研究［D］.福州∶福建農(nóng)林大學(xué)，2012.

［11］陳秀瑛，古浩.灰色線性回歸模型在港口吞吐量預(yù)測中的應(yīng)用［J］.水運工程，2010，（5）∶89-92.

［12］張艷，等.組合預(yù)測中權(quán)重的確定研究—最小絕對值法的應(yīng)用［J］.交通運輸系統(tǒng)工程與信息，2006（4）∶125-129.

Forecasting of Wuhan Port Container Throughput Based on Combination Forecasting Model

Peng Yamei，Yang Jiaqi
（School of Transportation， Wuhan University of Technology， Wuhan 430063， China）

Container logistics is one of the core indexes to measure the international trade level of a port and the scientific forecasting ofthe port container throughput is beneficial to the reasonable container shipping planning of the port， thus improving its comprehensivecompetitivity. The Wuhan Port is an important node on the Yangtze golden waterway and plays a pivotal role in the development of theYangtze shipping and logistics system. In this paper， using the GM（1，1） and the regression model， we forecast the container throughput dataof the Wuhan port for the last ten years and proved that the grey regression model could improve forecasting accuracy.

port logistics； container throughput； GM（1，1）； multiple regression model； combination forecasting； Wuhan port

F552.7；U695.22；F224

A

1005-152X（2016）03-0132-03

10.3969/j.issn.1005-152X.2016.03.028

2016-02-15

武漢新港（武漢市規(guī)劃范圍）岸線資源利用現(xiàn)狀調(diào)查前置研究

彭亞美（1991-），女，碩士研究生，研究方向：港口物流與城市軌道交通。