• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于集成預(yù)測模型的集裝箱吞吐量預(yù)測研究

      2019-07-15 07:02:51郭雪
      物流科技 2019年6期

      郭雪

      摘要:本文綜合運用ARIMA預(yù)測模型和LSSVR預(yù)測模型,提出了一種集成預(yù)測模型,并將該模型應(yīng)用于上海港的集裝箱吞吐量預(yù)測研究中。此外,采用不同的參數(shù)估計方法估計ARIMA模型的參數(shù),得到了兩種ARIMA預(yù)測模型。研究表明,集成預(yù)測模型可以提高預(yù)測模型的準(zhǔn)確性,不同的估計方法也會影響模型的預(yù)測表現(xiàn)。

      關(guān)鍵詞:單整自回歸移動平均模型(ARIMA);最小二乘支持向量回歸(LSSVR);LS估計;ARCH估計;集成預(yù)測

      中圖分類號:U169.6 文獻標(biāo)識碼:A

      0引言

      20世紀(jì)70年代,中國海上集裝箱運輸正式啟動。自20世紀(jì)80年代以來,中國集裝箱運輸?shù)脑鲩L速度始終以遠(yuǎn)遠(yuǎn)超過世界平均增幅的水平發(fā)展,隨著經(jīng)濟全球化的深入和國際貿(mào)易的頻繁交換,集裝箱運輸在減少運輸時間和貿(mào)易成本方面發(fā)揮了重要作用。近年來,我國港口的集裝箱吞吐量快速增長,如何科學(xué)地預(yù)測吞吐量的數(shù)據(jù)成為港口運營商管理的重要內(nèi)容。準(zhǔn)確預(yù)測港口的集裝箱吞吐量數(shù)據(jù),不僅可以為港口自身提供決策支持,而且對國家的可持續(xù)發(fā)展至關(guān)重要。因此,加強對我國港口集裝箱吞吐量預(yù)測的研究對我國港口的發(fā)展具有重要意義。

      至今為止,國內(nèi)外學(xué)者已經(jīng)對港口集裝箱吞吐量預(yù)測做了大量研究并取得了豐碩的研究成果。但是,對于如何科學(xué)地捕獲集裝箱吞吐量的歷年變化規(guī)律和趨勢,以及如何獲得比較精確的預(yù)測結(jié)果仍然沒能找到一個普遍適用于各種時間序列的方法。目前,用于集裝箱吞吐量預(yù)測的方法和模型主要涉及到兩大類:定性預(yù)測和定量預(yù)測。定性研究主要依賴于人的主觀意識,預(yù)測結(jié)果具有很大的不確定性。學(xué)術(shù)研究一般更傾向于定量預(yù)測,其中定量預(yù)測可以分為單一模型預(yù)測和組合模型預(yù)測。在單一預(yù)測模型中,單整自回歸移動模型(ARIMA)、最小二乘支持向量機(ISSVR)、灰色模型等得到了大量的運用,如Mark和Yang、劉雷麗等、薛俊強、田雪等、朱念等、Peng和Chu,結(jié)果發(fā)現(xiàn)這些預(yù)測模型的預(yù)測精度具有不確定性。近年來,組合預(yù)測模型得到了越來越多的關(guān)注,其可以結(jié)合各單項預(yù)測模型的優(yōu)勢,往往會在預(yù)測中展現(xiàn)出較大的優(yōu)勢,如:魯博等、Xie、施澤軍和李凱、趙尚威和周建紅、許利枝汪壽陽、梁小珍舊等均采用集成預(yù)測模型進行了研究,而且得到了更高預(yù)測精度的效果。

      根據(jù)以往研究表明,LSSVR預(yù)測模型具有良好的數(shù)據(jù)特征提取效果,模型的預(yù)測精度比較高,本文將LSSVR模型作為集成預(yù)測模型法的單項模型。在ARIMA建模時,難點是關(guān)于參數(shù)P、D、Q的確定,這三個參數(shù)直接關(guān)系到所建模型預(yù)測性能的好壞。建立ARIMA模型時,大量的研究表明LS估計具有很好的作用,但是,本文提出用自回歸廣義異方差估計(ARCH)法建立的ARIMA模型對提高最終的預(yù)測結(jié)果起到了關(guān)鍵性作用。

      本文首先詳細(xì)介紹了用到的模型和方法以及論文的研究思路、論文框架;然后進行實例研究,將提出來的模型用于上海港集裝箱吞吐量的預(yù)測,并與ARIMA、LSSVR等單一模型以及運用LS估計和ARCH估計等不同預(yù)測模型的預(yù)測結(jié)果進行了對比;最后闡述了本文的研究結(jié)論。

      第三,運用LSSVR預(yù)測模型得到2018年1月至2018年11月的集裝箱吞吐量預(yù)測值;

      第四,運用SA集成方法將ARIMA模型和LSSVR模型的預(yù)測值進行集成,得到最終的集裝箱吞吐量預(yù)測值。

      2實證研究

      2.1數(shù)據(jù)描述與評價準(zhǔn)則

      選擇上海港集裝箱吞吐量為樣本數(shù)據(jù),以2001年2月至2018年11月為樣本區(qū)間,共計214個數(shù)據(jù),其趨勢圖如圖2所示(樣本來源于宏觀經(jīng)濟數(shù)據(jù)庫萬德數(shù)據(jù)庫)。為了驗證本模型的有效性。將樣本數(shù)據(jù)分成訓(xùn)練樣本(2001年2月至2017年12月,共計203個數(shù)據(jù))和測試樣本(2018年1月至2018年11月,共計11個數(shù)據(jù))。從圖中可以發(fā)現(xiàn),該時間序列具有某種上升趨勢,此外,還有很大的波動性,即該時間序列不平穩(wěn)。

      2.2預(yù)測結(jié)果及分析

      2.2.1實驗設(shè)計

      數(shù)據(jù)具有平穩(wěn)性是運用ARIMA模型的前提,故在運用ARIMA模型進行集裝箱吞吐量預(yù)測時,首先檢驗數(shù)據(jù)數(shù)列是否具有此特征。若原始時間序列不具有平穩(wěn)性,可以采用差分法將不平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列,通常情況下,進行一次或者兩次差分就可以將不平穩(wěn)數(shù)據(jù)轉(zhuǎn)化成平穩(wěn)序列。數(shù)據(jù)平穩(wěn)性檢驗可以通過單位根檢驗來實現(xiàn),常用的單位根檢驗是Augmented Dickey-Fuller(ADF)檢驗。根據(jù)ADF檢驗原理,可以得到上海港集裝箱吞吐量的單位根檢驗結(jié)果,如表1所示:

      由表1可知,該時間序列的T統(tǒng)計量值大于臨界值,顯然原始時間序列不具有穩(wěn)定性。故對原數(shù)據(jù)進行一次差分,將其轉(zhuǎn)化成平穩(wěn)序列。同理得到其T統(tǒng)計量的值為-3.414611,小于臨界值-3.140847。所以,在90%的條件下可以認(rèn)為一節(jié)差分序列為平穩(wěn)數(shù)列,即符合運用ARIMA模型的條件。

      在運用ARIMA模型時,最關(guān)鍵的是確定p、d、g三個參數(shù)的值,根據(jù)自相關(guān)偏自相關(guān)圖以及差分次數(shù),運用LS估計和ARCH估計分別建立了ARIMA(3,1,4)和ARIMA(2,1,4)兩種不同的模型。

      運用LSSVR模型時,選擇嵌入維度為10,即用前十個數(shù)據(jù)預(yù)測第十一個數(shù)據(jù),以此類推。在預(yù)測時采用滾動預(yù)測,即將每次的預(yù)測結(jié)果加入訓(xùn)練集,進而得到下一個預(yù)測值。

      2.2.2模型預(yù)測結(jié)果與評價

      根據(jù)2.2.1中對各種預(yù)測模型的設(shè)計,得到了最終的預(yù)測結(jié)果。為了驗證本文提出的預(yù)測模型的有效性,本文也給出了單獨運用ARIMA模型和LSSVR模型的預(yù)測結(jié)果。

      圖3、圖4分別展示了用不同的估計方法估計ARIMA模型時得到的單項模型和集成預(yù)測模型煩人預(yù)測結(jié)果,除了2月和9月外,這些模型都能取得良好的效果,為了說明論文所建模型的優(yōu)越性,表2、表3展示了各種預(yù)測模型的MAE和MAPE。

      由表2、表3可知,若以MAE作為評價預(yù)測模型的指標(biāo),(1)不管以哪種方式估計ARIMA模型的系數(shù),SA集成預(yù)測的預(yù)測效果都要高于單一預(yù)測模型的預(yù)測效果,表明了集成預(yù)測模型的優(yōu)勢;(2)最小二成支持向量回歸LSSVR的預(yù)測效果要優(yōu)于單整自回歸移動模型ARIMA的預(yù)測效果;(3)采用ARCH估計ARIMA模型的參數(shù)可以提高模型的預(yù)測精度,而且可以使得其對應(yīng)的集成預(yù)測模型的預(yù)測效果得到改善。而且以MAPE作為評價預(yù)測模型的指標(biāo),雖然LSSVR模型的預(yù)測誤差要小于LS估計ARIMA模型時對應(yīng)的集成預(yù)測模型的誤差,但是其誤差要大于ARCH估計ARIMA估計時對應(yīng)的集成預(yù)測模型的預(yù)測誤差,這就說明選擇合適的參數(shù)估計方法可以提高預(yù)測模型的表現(xiàn)。

      3結(jié)論

      本文以上海港2001年2月至2018年11月的集裝箱吞吐量數(shù)據(jù)為研究對象,綜合利用ARIMA和LSSVR模型,從LS估計和ARCH估計的角度,分別建立了一套適用于該港口集裝箱吞吐量預(yù)測的集成預(yù)測模型。研究發(fā)現(xiàn),LSSVR和ARIMA預(yù)測模型都具有良好的預(yù)測精度,但是集成預(yù)測方法保留了這兩種預(yù)測模型的優(yōu)勢,得到的整體誤差比單一模型的預(yù)測誤差更小。而為ARIMA模型選擇合適的參數(shù)估計方法可以顯著提高模型的預(yù)測表現(xiàn)。

      考慮到港口市場競爭激烈,提高集裝箱吞吐量的預(yù)測精度可以為港口運營商提供決策支持,使得港口運營商做出更利于自身發(fā)展的決定?;诖?,本論文從提高預(yù)測模型的預(yù)測精度出發(fā),為建立預(yù)測港口集裝箱吞吐量的模型提供了新的思路。

      常州市| 泰兴市| 西昌市| 融水| 西藏| 元氏县| 密山市| 澄江县| 米林县| 仲巴县| 巴塘县| 秭归县| 新乡县| 石门县| 温泉县| 固阳县| 南木林县| 大城县| 河间市| 城市| 潍坊市| 永德县| 岳阳县| 板桥市| 高淳县| 新竹市| 高唐县| 喀喇| 百色市| 普兰县| 陆川县| 潜江市| 彭山县| 勃利县| 突泉县| 唐河县| 沁水县| 民乐县| 马边| 苍溪县| 武乡县|