港口吞吐量發展水平預測方法總結

摘 要：吞吐量預測是港口規劃及工程可行性研究的重要組成部分，對于不同的港口發展狀況不同的預測方法預測港口吞吐量，使預測簡便可行可以節約工程的時間成本。

關鍵字：港口吞吐量；時間序列法；因果分析法

港口吞吐量，是反映港口生產經營活動成果的重要數量指標，港口吞吐量的流向構成、數量構成和物理分類構成是港口在國際、地區間水上交通鏈中的地位、作用和影響的最直接體現，也是衡量國家、地區、城市建設和發展的量化參考依據。港口吞吐量按大類可分為貨物吞吐量和旅客吞吐量。

因為港口的建設要考慮到港口地區的發展，所以港口建設必須要有前瞻性，通過預測港口吞吐量可以確定港口規模，是進行港口規劃和可行性研究的基礎。

在進行港口吞吐量預測之前，要進行資料收集，進行統計與調查，一般根據以下幾個方面展開調查：

1）歷年貨流貨種、流向、流量

2）調查港口腹地內經濟發展狀況

3）調查各大貨主需經港口轉運的貨種運量

4）調查運輸能力、價格、時間等

5）吞吐量的預測主要預測港口吞吐總量、主要貨類吞吐量預測、分港區吞吐量預測。

1 時間序列法

利用按時間順序排列的數據預測未來的方法，是一種常用的預測方法。事物的發展變化趨勢會延續到未來，反映在隨機過程理論中就是時間序列的平穩性或準平穩性。準平穩性是指時間序列經過某種數據處理（如一次或多次差分運算）后變為平穩的性質。時間序列有 4種變動因素：①長期趨勢（T），在整個預測期內事物呈現出逐漸增加或漸減的總傾向；②周期變動（C），以某一時間間隔為周期的周期性變動，如危機和復蘇的交替；③季節變動（S），以一年為周期的周期變動，如服裝行業銷售額的季節性波動；④偶然變動（I），除上述三種情況之外的不規則變動，又稱隨機變動。這4種因素的綜合模式有加法模式、乘法模式和混合模式。若以表示時間序列（=1，2，3，…，表示采樣時刻），則加法模式的時間序列是上述4種變動因素的相加，=（T）+（C）+（S）+（I），而乘法模式的則是上述4種變動因素的相乘，=（T）×（C）×（S）×（I）。時間序列法分為兩類：①不細分4種變動因素而直接利用時間序列數據建立數學模型，進行預測。②對4種變動因素有側重地進行預處理，從而派生出剔除季節變動法、移動平均法、指數平滑法、自回歸法、時間函數擬合法等具體預測方法。下面介紹最簡便實用的時間序列方法：

如果歷史資料越多，那么對這種預測方法是越有利的，相關性系數越接近1，說明結果越可靠。

2 因果分析法

通過分析各種社會經濟指標對港口貨物吞吐量影響大小以及兩者之間的關聯程度，然后再根據已經知道的社會經濟指標可以預測港口貨物吞吐量。通常表示為：

其中y表示港口吞吐量，x表示自變量，運用這種方法預測的港口吞吐量一般比較準確，除去不可抗力的因素，這種預測方法考慮的比較周到。

3 灰色預測

灰色預測是一種對含有不確定因素的系統進行預測的方法。灰色預測通過鑒別系統因素之間發展趨勢的相異程度，即進行關聯分析，并對原始數據進行生成處理來尋找系統變動的規律，生成有較強規律性的數據序列，然后建立相應的微分方程模型，從而預測事物未來發展趨勢的狀況。其用等時距觀測到的反應預測對象特征的一系列數量值構造灰色預測模型，預測未來某一時刻的特征量，或達到某一特征量的時間。當不能全面的收集資料或者收集的資料不是期望數據時，可以根據灰色預測方法預測港口吞吐量。

4 人工神經網絡

人工神經網絡（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經網絡（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。是一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為“神經網絡”或類神經網絡。運用神經網絡模型需要大量的數據支持，所得結果較為可靠。

5 貝葉斯方法

貝葉斯分析方法（Bayesian Analysis）是貝葉斯學習的基礎，它提供了一種計算假設概率的方法，這種方法是基于假設的先驗概率、給定假設下觀察到不同數據的概率以及觀察到的數據本身而得出的。其方法為，將關于未知參數的先驗信息與樣本信息綜合，再根據貝葉斯公式，得出后驗信息，然后根據后驗信息去推斷未知參數的方法。貝葉斯方法適用于有先驗概率的假設，然后對方法的修正才能使模型更加準確。

6 指數平滑法

指數平滑法是根據歷史資料的上期實際數和預測值，用指數加權法進行預測的一種方法，此法實質上是有加權移動平均法演變而來的一種方法，其優點是只要有上期實際數和上期預測值，就可以計算下期的預測值。這樣可以節省很多數據和處理數據的時間，減少數據的存儲量，是一種實用的中、短期預測方法。

以上幾種方法可以單獨使用也可以組合使用，在一些資料比較龐大的時候可以想采用聚類的等降維的方法使數據無關，然后再利用以上的方法預測港口吞吐量可以達到事半功倍的效果。

參考文獻

[1]郭子堅. 港口規劃與布置[M]. 人民交通出版社， 2011.

[2]劉明維， 王多銀， 周世良，等. 港口貨物吞吐量預測方法探討[J]. 水運工程， 2005（3）：53-56.

[3]黃榮富， 綦化樂， 蔡軍. 三次指數平滑法在港口吞吐量預測中的應用研究[J]. 水運管理， 2003（2）：13-14.

作者簡介

郭江華（1995-），男，山東人，大學本科，研究方向：港海工程