基于組合模型預測法的廣州港集裝箱吞吐量預測

陳浩

【摘 要】 為彌補單一模型預測方法的不足，以廣州港集裝箱吞吐量歷史數據為依據，分析集裝箱吞吐量的主要影響因素，分別采用時間序列模型、Eviews多元線性回歸模型對2018―2022年廣州港的集裝箱吞吐量進行預測。比較組合加權方法對預測結果的預測，結果表明：組合模型預測法能夠提高預測的準確性，減小預測誤差。

【關鍵詞】 廣州港；集裝箱吞吐量；時間序列；多元線性回歸模型；組合預測

0 引 言

隨著“十三五”規劃的實施以及“一帶一路”倡議的推廣，港口集裝箱業務發展將迎來黃金時期，廣州港集裝箱吞吐量在2017年首次突破萬TEU。廣州港是華南地區集裝箱樞紐港，準確預測其集裝箱吞吐量有著重大的研究意義。

目前大多數學者在港口吞吐量預測中主要采用定性和定量兩種方法，其中定量預測法主要包括時間序列趨勢外推、多元線性回歸分析、灰色預測、指數平滑和彈性系數等。沈旻[1]采用三次指數平滑法和灰色預測法GM（1，1）進行了吞吐量預測；高鳳姣等[2]建立兩個不同的多元線性回歸模型分別對上海港集裝箱吞吐量進行預測；朱小檬等[3]采用時間序列與因果關系結合法進行吞吐量中長期預測；劉長儉等[4]認為時間序列法宜采用近期歷史數據進行短期預測較為準確。

本文分別采用時間序列模型和Eviews多元線性回歸模型對廣州港集裝箱吞吐量進行預測。根據兩種預測模型的特點，利用平均加權法對兩種模型進行組合預測，彌補單一預測方法的不足，使得預測結果更加接近實際發生量。

1 基于時間序列的預測

1.1 模型的選擇與分析

時間序列法在總結事物的過去和現在的發展規律基礎上，利用趨勢外推法預測未來事物的發展趨勢。根據資料統計，近年廣州港集裝箱吞吐量呈整體穩定的發展趨勢，在“十三五”期間腹地經濟結構基本不變、經濟平穩增長的環境下，利用時間序列法的基本假設成立，時間序列法對中短期內集裝箱吞吐量的預測較為理想。

為了初步確定時間序列與歷年吞吐量是否符合線性相關，對2011―2016年廣州港集裝箱吞吐量數據（見表1）作散點分析（見圖1）。結果表明，近年廣州港集裝箱吞吐量呈近似的線性增長趨勢。

從圖1可以看出，2011―2016年廣州港集裝箱吞吐量總體保持增長趨勢，可近似認為保持線性增長趨勢，符合基于時間序列法對近期廣州港集裝箱吞吐量的預測。

1.2 建立模型

1.2.1 線性趨勢外推模型

將時間序列觀察值分為t個，依次為（x1，y1），（x2，y2），…，（xt，yt）。設yi （i=1，2，…，t）為第i期的實際集裝箱吞吐量，yi為第i期的預測集裝箱吞吐量，xi為第i期的時間序列值。利用直線擬合法的相關原理建立如下模型：

1.2.2 確立集裝箱吞吐量線性趨勢外推模型

根據表1和模型（1），估算廣州港集裝箱吞吐量與時間序列數據之間的參數，建立如下模型：

yi=95.99 xi 191 670（2）

通過模型推算出決定系數R2=0.970 8>0.95，再對模型結果進行檢驗，對應參數a、b的標準差分別為16 774.33、8.330 9，對應參數a、b的估計值分別為 11.426 40、11.522 98。計算結果均符合F分布、t分布的對應值，模型檢驗通過。

1.2.3 模型預測誤差分析

根據模型（2）和表1，可以對2011―2016年廣州集裝箱吞吐量進行預測。比較歷史數據與預測結果可以發現，確立的趨勢外推模型能夠較準確地對吞吐量進行預測，預測出的誤差值均控制在4%以內，保持了較高的精確度。

1.2.4 預測值

利用時間序列模型可對2018―2022年廣州港集裝箱吞吐量進行預測，具體預測結果見表3。

2 Eview多元線性回歸模型

2.1 建立多元線性回歸模型

分析多元線性回歸模型須找出有關影響港口集裝箱吞吐量的主要因素，即通過主要影響因子對因變量進行預測。篩選出3個主要影響港口集裝箱吞吐量的因子，分別是地區GDP、外貿進出口額、社會消費品零售額等。針對以上分析構建多元線性回歸模型：

2.2 統計數據來源

2011―2016年廣州港各主要影響因子統計數據見表4。

2.3 集裝箱吞吐量預測模型

根據表4，結合模型（3）的有關原理，構建出吞吐量與地區GDP、外貿進出口額、社會消費品零售額之間的多元線性回歸模型。利用計量經濟學統計軟件Eviews可以分別得到多元線性回歸模型參數 0、 1、 2、 3。

利用Eviews軟件計算各參數的輸出結果，得到集裝箱吞吐量預測模型的具體形式為

2.4 多元線性回歸模型檢驗

多元線性回歸模型的校正決定系數R2為，非常接近1，說明擬合度很高；對回歸模型的參數進行顯著性檢驗， 0、 1、 2、 3的檢驗結果分別為 3.661 25、4.710 6、5.722 9、 3.395 5，對變量m1、m2、m3的作用顯著，建立的多元線性回歸模型通過檢驗。

2.5 預測結果

根據《廣州市國民經濟和社會發展第十三個五年規劃綱要（2016―2020年）》的目標值，到2020年廣州市GDP、外貿進出口額、社會消費品零售額將分別達到26 000億元、11 500億元、11 600億元，從而確定各影響因素的年均增長率分別為7.5%、6.7%、7.9%。

根據模型（4），結合各影響因素的年均增長率，可得到多元線性回歸模型的預測值，見表5。

3 組合模型的建立與分析

3.1 確定組合模型預測方法

單一的預測模型通常存在局限性，往往會出現偏差。采用組合模型預測方法可以彌補單一模型預測方法的不足，提高預測結果的準確性。因此，根據上述基于時間序列的趨勢外推模型與多元線性回歸模型建立組合預測方法，對廣州港集裝箱吞吐量進行預測。

3.2 建立組合預測模型

基于時間序列的趨勢外推模型與多元線性回歸模型是從不同角度對港口集裝箱吞吐量進行預測的，由于兩種模型的預測結果各有優缺點，因此在組合預測中對以上兩種預測模型采用平均分配各占50%權重的方法，對廣州港集裝箱吞吐量進行預測研究。

3.3 結果分析

2017年廣州港實際完成集裝箱吞吐量為2 037萬TEU，到2020年廣州港集裝箱吞吐量目標值為2 500萬TEU。2017年、2020年集裝箱吞吐量綜合預測值見表6。

對比分析2017、2020年廣州港集裝箱吞吐量的實際發生值、規劃值與組合預測值可以發現，組合預測方法更加科學合理。雖然采用組合預測方法會增加預測的復雜性和工作量，但通過加權平均處理，并綜合以上2種方法的優點，能夠得到較為理想的預測效果。

3.4 2018―2022年廣州港集裝箱吞吐量預測

利用時間序列趨勢外推模型、多元線性回歸模型及組合預測模型可以分別預測得到2018―2022年廣州港集裝箱吞吐量，見表7。

4 結 語

組合模型預測法汲取了時間序列趨勢外推模型和多元線性回歸模型的優點，通過平均加權的方法，彌補了兩種預測模型的不足，進一步提高預測精度，較好地預測了2018―2022年廣州港集裝箱吞吐量的預測值，并得到以下結論：

（1）基于時間序列的趨勢外推模型是一種簡單、高效的集裝箱吞吐量預測方法。港口集裝箱吞吐量受到當地政策、腹地經濟、港口自身條件等多方面條件的影響，因此筆者認為時間序列法對于遠期預測可能會出現偏離實際較多的情況。

（2）多元線性回歸模型的建立需要從眾多影響集裝箱吞吐量的因素中篩選自變量。由于篩選影響因子的選取角度存在差異，因而準確找出影響集裝箱吞吐量的因子成為提高預測精度的關鍵，否則將會影響預測結果。

參考文獻：

[1] 沈旻.港口集裝箱吞吐量預測方法若干研究[D].上海：上海海運學院，2001.

[2] 高鳳姣，石小法.上海港口集裝箱吞吐量影響因素分析[J].物流技術，2009（9）：77-80.

[3] 朱小檬，欒維新，朱義勝.基于時間序列-因果關系結合法的中國海港集裝箱吞吐量中長期預測[J].大連海事大學學報（社會科學版），2014（5）：1-5.

[4] 劉長儉，張慶年.基于時間序列BP神經網絡的集裝箱吞吐量動態預測[J].水運工程，2007（1）：4-7，11.