基于組合預(yù)測(cè)模型的武漢港集裝箱吞吐量預(yù)測(cè)

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(cè)模型的武漢港集裝箱吞吐量預(yù)測(cè)

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(gè)港口國(guó)際貿(mào)易水平的核心指標(biāo)之一，科學(xué)地預(yù)測(cè)港口吞吐量有利于各港口更好地進(jìn)行集裝箱運(yùn)輸規(guī)劃，提高港口綜合競(jìng)爭(zhēng)力。武漢港是長(zhǎng)江黃金水道的一個(gè)重要節(jié)點(diǎn)，在長(zhǎng)江航運(yùn)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(cè)模型，對(duì)武漢港近十年的集裝箱吞吐量進(jìn)行了預(yù)測(cè)，結(jié)果表明，灰色回歸組合模型可以提高預(yù)測(cè)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(cè)；武漢港

1　引言

目前，國(guó)內(nèi)外學(xué)者對(duì)物流量的預(yù)測(cè)主要集中在組合預(yù)測(cè)模型方面，特別是對(duì)于時(shí)變權(quán)重的討論重點(diǎn)主要在定量預(yù)測(cè)方面［1］。常用的預(yù)測(cè)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(cè)法等，不同的方法側(cè)重點(diǎn)不同。預(yù)測(cè)時(shí)，不同的方法能夠?qū)ν粚?duì)象產(chǎn)生不同側(cè)重點(diǎn)的預(yù)測(cè)意義，并且預(yù)測(cè)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(cè)方法根據(jù)一定的方式進(jìn)行組合，構(gòu)建新的預(yù)測(cè)方法，即組合預(yù)測(cè)法。組合是為了利用研究對(duì)象提供的原始樣本信息，利用組合預(yù)測(cè)法可以集合各種方法的優(yōu)勢(shì)，得到滿(mǎn)意度較高的預(yù)測(cè)結(jié)果。Paulo S.A.Freitas等人討論了不同神經(jīng)預(yù)測(cè)法并給出了基于神經(jīng)預(yù)測(cè)模型的組合預(yù)測(cè)法，他們?cè)谀Ｐ椭锌紤]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(cè)方面，我國(guó)學(xué)者也有大量研究，對(duì)于港口集裝箱吞吐量的預(yù)測(cè)主要有傳統(tǒng)預(yù)測(cè)法、改進(jìn)的預(yù)測(cè)法、組合預(yù)測(cè)法、智能預(yù)測(cè)法等［3-6］。灰色預(yù)測(cè)針對(duì)部分信息未知的不確定性系統(tǒng)，在物流量預(yù)測(cè)中有著廣泛的應(yīng)用。如翟希東以港口集裝箱吞吐量的時(shí)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(cè)模型，來(lái)評(píng)價(jià)預(yù)測(cè)模型的有效性［7］。張樹(shù)奎在分析傳統(tǒng)的灰色預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型優(yōu)缺點(diǎn)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(cè)模型［8］。樊文靖通過(guò)探討各種預(yù)測(cè)方法的建模機(jī)理、適用范圍以及優(yōu)缺點(diǎn)，最終確定了以單項(xiàng)預(yù)測(cè)模型為基礎(chǔ)組建組合預(yù)測(cè)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(yùn)量的因素變化，預(yù)測(cè)存在較大誤差；多元回歸模型充分考慮了運(yùn)量的影響因素，將其與灰色模型結(jié)合起來(lái)預(yù)測(cè)，可以很好的減小誤差。以組合預(yù)測(cè)的預(yù)測(cè)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(cè)模型的最優(yōu)權(quán)重，結(jié)果表明，灰色回歸預(yù)測(cè)的精度顯著提高。

2　多元回歸模型

回歸預(yù)測(cè)法是找出貨運(yùn)量預(yù)測(cè)對(duì)象（因變量）與影響預(yù)測(cè)對(duì)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(yùn)量與主要經(jīng)濟(jì)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(duì)象受多個(gè)因素x1，x2，…，xn的影響，同時(shí)各個(gè)影響因素與y之間是線(xiàn)性關(guān)系，則建立的多元線(xiàn)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(lái)估計(jì)。

本文以武漢港集裝箱吞吐量為預(yù)測(cè)對(duì)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(jìn)出口總額X2為自變量，集裝箱吞吐量Y為因變量來(lái)進(jìn)行預(yù)測(cè)。建立二元線(xiàn)性回歸模型為：

3　GM（1，1）模型

GM（1，1）模型將所有隨機(jī)變量看作在一定范圍內(nèi)變化的灰色變量，是一種動(dòng)態(tài)預(yù)測(cè)模型，需要的建模數(shù)據(jù)量較少、計(jì)算過(guò)程比較簡(jiǎn)單，預(yù)測(cè)結(jié)果也比較可靠。

式（3）的解即時(shí)間響應(yīng)函數(shù)：

其時(shí)間響應(yīng)序列為：

還原值為：

GM（1，1）詳細(xì)建模過(guò)程見(jiàn)文獻(xiàn)［10］。該模型的檢驗(yàn)可以從三個(gè)方面進(jìn)行，即：殘差檢驗(yàn)、關(guān)聯(lián)度檢驗(yàn)和后驗(yàn)差檢驗(yàn)，對(duì)模型的檢驗(yàn)是判斷模型是否適用的重要標(biāo)準(zhǔn)。

殘差序列：

相對(duì)殘差：

檢驗(yàn)小誤差概率P：

表1　精度檢驗(yàn)等級(jí)表

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

4　灰色線(xiàn)性回歸模型預(yù)測(cè)結(jié)果與分析

4.1組合預(yù)測(cè)模型權(quán)重確定

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

式（14）中，Yk是組合預(yù)測(cè)模型第k組的值，di是第i種預(yù)測(cè)方法的加權(quán)系數(shù)，各個(gè)加權(quán)系數(shù)的和為1。要使預(yù)測(cè)的誤差達(dá)到最小，應(yīng)根據(jù)最優(yōu)化原理通過(guò)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(cè)模型的形式為：

4.2灰色線(xiàn)性回歸模型預(yù)測(cè)結(jié)果分析

通過(guò)查閱歷年武漢市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)及中國(guó)港口年鑒，近十年武漢市GDP、外貿(mào)進(jìn)出口總額、港口集裝箱吞吐量情況見(jiàn)表2。

表2　2006-2015年武漢市經(jīng)濟(jì)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(cè)模型對(duì)武漢港集裝箱吞吐量分別進(jìn)行預(yù)測(cè)，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(cè)模型預(yù)測(cè)的武漢港集裝箱吞吐量，各模型預(yù)測(cè)結(jié)果以及組合預(yù)測(cè)的預(yù)測(cè)值和實(shí)際值對(duì)比情況見(jiàn)表3。

表3　各模型預(yù)測(cè)結(jié)果及組合預(yù)測(cè)模型誤差情況

由表3可得，組合預(yù)測(cè)模型平均相對(duì)誤差為0.33%＜0.5%，滿(mǎn)足精度要求，組合預(yù)測(cè)模型的預(yù)測(cè)效果較好。

5　結(jié)論

在國(guó)際經(jīng)濟(jì)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(gè)核心指標(biāo)，對(duì)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(cè)港口集裝箱吞吐量具有重要的現(xiàn)實(shí)意義。常用的預(yù)測(cè)方法包括彈性系數(shù)法、時(shí)間序列法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、灰色預(yù)測(cè)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(jì)條件、港口基礎(chǔ)設(shè)施、港口運(yùn)營(yíng)效率、水運(yùn)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(cè)結(jié)果。武漢港是長(zhǎng)江中游的重要節(jié)點(diǎn)，自武漢確立了國(guó)家級(jí)航運(yùn)中心地位，港口物流發(fā)展日益迅速。面對(duì)這樣良好的市場(chǎng)前景，武漢港應(yīng)科學(xué)制定相應(yīng)的規(guī)劃與策略?；疑貧w組合模型彌補(bǔ)了單一模型的不足，較好地提高了模型預(yù)測(cè)結(jié)果的精確度。該模型實(shí)用性強(qiáng)，還可通過(guò)具體分析進(jìn)一步用于其它物流量的預(yù)測(cè)，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(cè)和定量預(yù)測(cè)的綜合應(yīng)用研究［J］.東華大學(xué)學(xué)報(bào)，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(cè)［J］.物流科技，2010，（5）∶23-25.

［5］江釩，雷凱.改進(jìn)的非線(xiàn)性模型在港口集裝箱吞吐量預(yù)測(cè)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(cè)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(cè)模型研究［D］.大連∶大連理工大學(xué)，2006.

［8］張樹(shù)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(cè)模型研究［J］.重慶交通大學(xué)學(xué)報(bào)（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(cè)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(cè)研究［D］.福州∶福建農(nóng)林大學(xué)，2012.

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

［12］張艷，等.組合預(yù)測(cè)中權(quán)重的確定研究—最小絕對(duì)值法的應(yīng)用［J］.交通運(yùn)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(xiàn)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。