我國(guó)港口物流需求預(yù)測(cè)研究評(píng)述

陳洋

[提要] 隨著經(jīng)濟(jì)全球化的發(fā)展，各國(guó)之間貿(mào)易往來(lái)日益頻繁，現(xiàn)代化的港口為各區(qū)域及國(guó)家間的貿(mào)易提供了良好的平臺(tái)。本文對(duì)國(guó)內(nèi)港口物流需求預(yù)測(cè)這一領(lǐng)域的研究成果進(jìn)行文獻(xiàn)梳理，以便學(xué)者借鑒和利用。

關(guān)鍵詞：港口；物流；文獻(xiàn)梳理

中圖分類號(hào)：F252.8 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2016年2月24日

一、引言

建國(guó)以來(lái)，我國(guó)港口建設(shè)發(fā)展迅速，截至2014年底，我國(guó)已擁有國(guó)內(nèi)巷道通航里程12.63萬(wàn)公里，港口擁有生產(chǎn)用碼頭泊位31，705個(gè)。在轉(zhuǎn)型升級(jí)的大背景之下，“一路一帶”戰(zhàn)略的實(shí)施必將會(huì)帶來(lái)新一輪的港口投資建設(shè)熱潮。準(zhǔn)確把握未來(lái)港口物流需求無(wú)疑是合理規(guī)劃港口建設(shè)的重要前提。

二、文獻(xiàn)評(píng)述

從目前的研究來(lái)看，大致可以分為使用單一預(yù)測(cè)方法預(yù)測(cè)和使用組合模型進(jìn)行預(yù)測(cè)兩類。單項(xiàng)預(yù)測(cè)方法主要包括時(shí)間序列預(yù)測(cè)法、回歸預(yù)測(cè)法和人工智能算法預(yù)測(cè)法三種。

（一）單一預(yù)測(cè)方法

1、時(shí)間序列預(yù)測(cè)法。如王再明、王宏波（2005）應(yīng)用灰色系統(tǒng)預(yù)測(cè)理論，以GM（1，1）和殘差修正GM（1，1）模型對(duì)武漢港貨物吞吐量和集裝箱吞吐量進(jìn)行了中短期的預(yù)測(cè)，并對(duì)集裝箱吞吐量的預(yù)測(cè)結(jié)果進(jìn)行殘差檢驗(yàn)和殘差修正。發(fā)現(xiàn)修正后的預(yù)測(cè)精度可達(dá)到最優(yōu)的精度等級(jí)。張世良、黃躍華（2014）采用GM（1，1）擴(kuò)展模型對(duì)天津港進(jìn)出船舶數(shù)量進(jìn)行了預(yù)測(cè)。陳寧、朱美琪等（2005）采用二次指數(shù)平滑對(duì)某港口的吞吐量進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)二次指數(shù)平滑模型比較適合快速成長(zhǎng)的港口進(jìn)行吞吐量定量預(yù)測(cè)。李增蔚、葉?。?015）以寧波-舟山港為例，利用三次指數(shù)平滑法對(duì)寧波-舟山港的貨物吞吐量進(jìn)行了預(yù)測(cè)。張家善（2015）認(rèn)為集裝箱吞吐量是反映一個(gè)港口生產(chǎn)經(jīng)營(yíng)狀況的主要數(shù)量指標(biāo)，并基于趨勢(shì)曲線預(yù)測(cè)理論，以香港為例，通過(guò)建立三次曲線趨勢(shì)預(yù)測(cè)模型，對(duì)香港港口集裝箱吞吐量進(jìn)行了預(yù)測(cè)并取得了較好的預(yù)測(cè)結(jié)果。

時(shí)間序列預(yù)測(cè)法僅僅利用預(yù)測(cè)目標(biāo)歷年數(shù)據(jù)進(jìn)行預(yù)測(cè)，因此預(yù)測(cè)過(guò)程相對(duì)簡(jiǎn)單，歷史數(shù)據(jù)的收集整理工作相應(yīng)減少。但是，時(shí)間序列預(yù)測(cè)方法僅僅將時(shí)間作為影響預(yù)測(cè)目標(biāo)的因素，忽視了其他真實(shí)影響預(yù)測(cè)目標(biāo)的因素，亦無(wú)法有效揭示各影響因素之間的關(guān)系。

2、回歸預(yù)測(cè)法。陳其超（2013）以重慶市港口為例，分析了社會(huì)經(jīng)濟(jì)總量與物流需求之間的關(guān)系，利用重慶市生產(chǎn)總值與重慶港港口吞吐量建立一元線性回歸模型，對(duì)重慶市港口物流需求進(jìn)行了預(yù)測(cè)。王小萃（2007）以上海市為例，選取國(guó)內(nèi)生產(chǎn)總值、第一產(chǎn)業(yè)總值、第二產(chǎn)業(yè)總值、第三產(chǎn)業(yè)總值、零售總額、外貿(mào)總額和貨物運(yùn)輸量建立多元統(tǒng)計(jì)回歸模型，對(duì)上海市物流需求進(jìn)行了預(yù)測(cè)研究。彭湖、何民（2015）基于云南省統(tǒng)計(jì)數(shù)據(jù)，建立主成分回歸模型對(duì)云南省物流需求進(jìn)行了預(yù)測(cè)?？锖２ǎ?009）在分析我國(guó)沿海港口貨物吞吐構(gòu)成及其影響的基礎(chǔ)上，建立向量自回歸（VAR）模型來(lái)對(duì)我國(guó)沿海港口吞吐量進(jìn)行了預(yù)測(cè)，提高了預(yù)測(cè)的精度和準(zhǔn)確度。

建立回歸預(yù)測(cè)模型需要對(duì)預(yù)測(cè)目標(biāo)及各影響因素之間的相關(guān)關(guān)系進(jìn)行分析，回歸預(yù)測(cè)模型能夠有效地揭示各影響因素對(duì)預(yù)測(cè)目標(biāo)的影響程度，便于決策者做出更為明智的決策。但是，回歸預(yù)測(cè)法是建立在大量歷史數(shù)據(jù)的基礎(chǔ)上，對(duì)歷史數(shù)據(jù)的質(zhì)量要求較高。此外，現(xiàn)實(shí)應(yīng)用中，為了簡(jiǎn)便計(jì)算，常常采用線性回歸來(lái)進(jìn)行模型構(gòu)建。然而，各影響因素與預(yù)測(cè)目標(biāo)之間的關(guān)系往往非常復(fù)雜，而不是簡(jiǎn)單的線性關(guān)系。

3、人工智能算法。沈浩、黃洪瓊（2015）基于對(duì)上海洋山港船舶流量的調(diào)研，建立了支持向量機(jī)預(yù)測(cè)模型（SVM），并利用粒子群算法對(duì)模型進(jìn)行了參數(shù)優(yōu)化，通過(guò)實(shí)證證明了該模型的優(yōu)越性和可行性。郝勇、王怡（2014）利用徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)模型對(duì)蕪湖港港口船舶流量進(jìn)行預(yù)測(cè)，為了克服RBF網(wǎng)絡(luò)在參數(shù)選取上的缺陷，利用遺傳算法進(jìn)行了改進(jìn)，使得改進(jìn)后的網(wǎng)絡(luò)計(jì)算量小，識(shí)別速度快，預(yù)測(cè)誤差小。劉枚蓮、朱美華（2012）將外貿(mào)進(jìn)出口總量、第一產(chǎn)業(yè)總值和第三產(chǎn)業(yè)總值作為BP神經(jīng)網(wǎng)絡(luò)的輸入，港口吞吐量作為BP神經(jīng)網(wǎng)絡(luò)的輸出建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并對(duì)廣西西部灣港口進(jìn)行了預(yù)測(cè)。盧少華（2006）則將遺傳規(guī)劃應(yīng)用到吞吐量預(yù)測(cè)上，揭示了我國(guó)沿海港口吞吐量與GDP之間的關(guān)系以及發(fā)展趨勢(shì)。

利用人工智能算法進(jìn)行預(yù)測(cè)，能夠有效處理各影響因素與預(yù)測(cè)目標(biāo)之間非線性的關(guān)系。但是，人工智能算法也存在著一定的缺陷，如預(yù)測(cè)模型無(wú)法直觀地體現(xiàn)出各影響因素對(duì)預(yù)測(cè)目標(biāo)的影響程度；理論上無(wú)法保證預(yù)測(cè)模型的泛化能力，使得預(yù)測(cè)結(jié)果不穩(wěn)定；訓(xùn)練樣本過(guò)多易于陷入“過(guò)學(xué)習(xí)”，而樣本量過(guò)少則難以保證預(yù)測(cè)的精度。

（二）組合預(yù)測(cè)方法。上述預(yù)測(cè)方法各有其自身的優(yōu)缺點(diǎn)和適用范圍，為了提高預(yù)測(cè)精度，組合模型被越來(lái)越多地應(yīng)用于港口物流預(yù)測(cè)。黃安強(qiáng)、肖進(jìn)等（2011）提出了一種基于情境知識(shí)的組合預(yù)測(cè)方法（CFMIK）來(lái)對(duì)港口集裝箱吞吐量進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)CFMIK的預(yù)測(cè)表現(xiàn)優(yōu)于單一的預(yù)測(cè)模型。柳艷姣、肖青（2006）分別采用了時(shí)間序列的三次指數(shù)平滑法、改進(jìn)的GM（1，1）殘差模型以及組合預(yù)測(cè)方法對(duì)某港的集裝箱吞吐量進(jìn)行了探討，并對(duì)未來(lái)幾年某港集裝箱吞吐量進(jìn)行了預(yù)測(cè)，結(jié)果證明：組合預(yù)測(cè)模型融合了前兩種預(yù)測(cè)方法的優(yōu)點(diǎn)。孫志林、盧雅倩（2012）分別采用TSA和馬爾科夫鏈進(jìn)行預(yù)測(cè)，將TSA與馬爾科夫鏈校正模型相結(jié)合，進(jìn)行港口吞吐量預(yù)測(cè)。王巖（2013）將回歸分析與灰色預(yù)測(cè)理論集合起來(lái)，分別使用回歸分析、灰色預(yù)測(cè)及組合模型對(duì)秦皇島港口吞吐量進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)組合模型能夠有效地降低預(yù)測(cè)誤差，提高預(yù)測(cè)精度。陳經(jīng)海（2013碩）則將灰色GM（1，1）模型與三次指數(shù)平滑模型結(jié)合起來(lái)，在分析了青島港口集裝箱海鐵聯(lián)運(yùn)的效益基礎(chǔ)上，對(duì)運(yùn)量進(jìn)行預(yù)測(cè)，從而提高了預(yù)測(cè)的精確度。萬(wàn)福來(lái)（2012）為克服數(shù)據(jù)貧乏和數(shù)據(jù)非線性的困難，將灰色理論與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，分析了影響港口物流需求的五方面因素，并以此為基礎(chǔ)對(duì)天津港口物流需求進(jìn)行了預(yù)測(cè)。

三、總結(jié)

1、從研究對(duì)象來(lái)看，現(xiàn)有文獻(xiàn)對(duì)港口物流的研究中，從全國(guó)范圍或區(qū)域范圍研究的較多，針對(duì)具體港口進(jìn)行研究的較少。在針對(duì)具體港口進(jìn)行的研究中，多集中于大型港口物流的研究，對(duì)中小型港口的港口物流發(fā)展研究較少。

2、從研究方法上來(lái)看，現(xiàn)有大多數(shù)文獻(xiàn)采用的方法為計(jì)量經(jīng)濟(jì)學(xué)方法，如回歸分析、相關(guān)性檢驗(yàn)等，此外還有傳統(tǒng)的數(shù)據(jù)包絡(luò)分析、灰色預(yù)測(cè)模型等，研究方法片面，需要進(jìn)行改善。

主要參考文獻(xiàn)：

[1]王再明，王宏波.灰色系統(tǒng)理論在港口吞吐量預(yù)測(cè)中的應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào)，2005.29.3.

[2]張世良，黃躍華.基于GM（1，1）擴(kuò)張模型的天津港進(jìn)出港船舶數(shù)量的預(yù)測(cè)研究[J].科技創(chuàng)新與應(yīng)用，2014.8.

[3]陳寧，朱美琪，余珍文.基于對(duì)數(shù)二次指數(shù)平滑的港口吞吐量預(yù)測(cè)[J].武漢理工大學(xué)學(xué)報(bào)，2005.27.9.

[4]李增蔚，葉俊.寧波-舟山港貨物吞吐量預(yù)測(cè)及發(fā)展建議[J].物流技術(shù)，2015.34.3.

[5]張家善.港口集裝箱吞吐量的三次曲線預(yù)測(cè)分析——以香港為例[J].經(jīng)濟(jì)論壇，2015.2.

[6]陳其超.基于線性回歸模型的重慶市港口物流需求分析[J].物流技術(shù)，2013.32.8.

[7]王小萃.城市物流需求量的回歸模型[J].中國(guó)水運(yùn)，2007.5.7.

[8]彭湖，何民.基于主成分回歸的區(qū)域物流需求預(yù)測(cè)研究——以云南省為例[J].交通運(yùn)輸研究，2015.1.3.

[9]匡海波.中國(guó)沿海港口吞吐量預(yù)測(cè)模型研究[J].科研管理，2009.30.3.

[10]沈浩，黃洪瓊.基于PSO優(yōu)化SVM的船舶流量預(yù)測(cè)算法[J].微型機(jī)與應(yīng)用，2015.3.5.

[11]郝勇，王怡.基于優(yōu)化RBF網(wǎng)絡(luò)的港口船舶交通流量預(yù)測(cè)[J].中國(guó)航海，2014.37.2.

[12]劉枚蓮，朱美華.基于BP神經(jīng)網(wǎng)絡(luò)的港口吞吐量預(yù)測(cè)模型[J].系統(tǒng)科學(xué)學(xué)報(bào)，2012.20.4.

[13]盧少華.遺傳規(guī)劃在港口吞吐量預(yù)測(cè)中的應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào)，2006.30.3.

[14]黃安強(qiáng)，肖進(jìn)，汪壽陽(yáng).一個(gè)基于集成情境知識(shí)的組合預(yù)測(cè)方法[J].系統(tǒng)工程理論與實(shí)踐，2011.31.1.