港口吞吐量發(fā)展水平預(yù)測方法總結(jié)

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

關(guān)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(chǎn)經(jīng)營活動成果的重要數(shù)量指標，港口吞吐量的流向構(gòu)成、數(shù)量構(gòu)成和物理分類構(gòu)成是港口在國際、地區(qū)間水上交通鏈中的地位、作用和影響的最直接體現(xiàn)，也是衡量國家、地區(qū)、城市建設(shè)和發(fā)展的量化參考依據(jù)。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(shè)要考慮到港口地區(qū)的發(fā)展，所以港口建設(shè)必須要有前瞻性，通過預(yù)測港口吞吐量可以確定港口規(guī)模，是進行港口規(guī)劃和可行性研究的基礎(chǔ)。

在進行港口吞吐量預(yù)測之前，要進行資料收集，進行統(tǒng)計與調(diào)查，一般根據(jù)以下幾個方面展開調(diào)查：

1）歷年貨流貨種、流向、流量

2）調(diào)查港口腹地內(nèi)經(jīng)濟發(fā)展狀況

3）調(diào)查各大貨主需經(jīng)港口轉(zhuǎn)運的貨種運量

4）調(diào)查運輸能力、價格、時間等

5）吞吐量的預(yù)測主要預(yù)測港口吞吐總量、主要貨類吞吐量預(yù)測、分港區(qū)吞吐量預(yù)測。

1 時間序列法

利用按時間順序排列的數(shù)據(jù)預(yù)測未來的方法，是一種常用的預(yù)測方法。事物的發(fā)展變化趨勢會延續(xù)到未來，反映在隨機過程理論中就是時間序列的平穩(wěn)性或準平穩(wěn)性。準平穩(wěn)性是指時間序列經(jīng)過某種數(shù)據(jù)處理（如一次或多次差分運算）后變?yōu)槠椒€(wěn)的性質(zhì)。時間序列有 4種變動因素：①長期趨勢（T），在整個預(yù)測期內(nèi)事物呈現(xiàn)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(fù)蘇的交替；③季節(jié)變動（S），以一年為周期的周期變動，如服裝行業(yè)銷售額的季節(jié)性波動；④偶然變動（I），除上述三種情況之外的不規(guī)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(shù)據(jù)建立數(shù)學(xué)模型，進行預(yù)測。②對4種變動因素有側(cè)重地進行預(yù)處理，從而派生出剔除季節(jié)變動法、移動平均法、指數(shù)平滑法、自回歸法、時間函數(shù)擬合法等具體預(yù)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(yù)測方法是越有利的，相關(guān)性系數(shù)越接近1，說明結(jié)果越可靠。

2 因果分析法

通過分析各種社會經(jīng)濟指標對港口貨物吞吐量影響大小以及兩者之間的關(guān)聯(lián)程度，然后再根據(jù)已經(jīng)知道的社會經(jīng)濟指標可以預(yù)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(yù)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(yù)測方法考慮的比較周到。

3 灰色預(yù)測

灰色預(yù)測是一種對含有不確定因素的系統(tǒng)進行預(yù)測的方法。灰色預(yù)測通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，即進行關(guān)聯(lián)分析，并對原始數(shù)據(jù)進行生成處理來尋找系統(tǒng)變動的規(guī)律，生成有較強規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測事物未來發(fā)展趨勢的狀況。其用等時距觀測到的反應(yīng)預(yù)測對象特征的一系列數(shù)量值構(gòu)造灰色預(yù)測模型，預(yù)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(shù)據(jù)時，可以根據(jù)灰色預(yù)測方法預(yù)測港口吞吐量。

4 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進行信息處理的數(shù)學(xué)模型。在工程與學(xué)術(shù)界也常直接簡稱為“神經(jīng)網(wǎng)絡(luò)”或類神經(jīng)網(wǎng)絡(luò)。運用神經(jīng)網(wǎng)絡(luò)模型需要大量的數(shù)據(jù)支持，所得結(jié)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(xué)習(xí)的基礎(chǔ)，它提供了一種計算假設(shè)概率的方法，這種方法是基于假設(shè)的先驗概率、給定假設(shè)下觀察到不同數(shù)據(jù)的概率以及觀察到的數(shù)據(jù)本身而得出的。其方法為，將關(guān)于未知參數(shù)的先驗信息與樣本信息綜合，再根據(jù)貝葉斯公式，得出后驗信息，然后根據(jù)后驗信息去推斷未知參數(shù)的方法。貝葉斯方法適用于有先驗概率的假設(shè)，然后對方法的修正才能使模型更加準確。

6 指數(shù)平滑法

指數(shù)平滑法是根據(jù)歷史資料的上期實際數(shù)和預(yù)測值，用指數(shù)加權(quán)法進行預(yù)測的一種方法，此法實質(zhì)上是有加權(quán)移動平均法演變而來的一種方法，其優(yōu)點是只要有上期實際數(shù)和上期預(yù)測值，就可以計算下期的預(yù)測值。這樣可以節(jié)省很多數(shù)據(jù)和處理數(shù)據(jù)的時間，減少數(shù)據(jù)的存儲量，是一種實用的中、短期預(yù)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(shù)據(jù)無關(guān)，然后再利用以上的方法預(yù)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(guī)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(yù)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(shù)平滑法在港口吞吐量預(yù)測中的應(yīng)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(xué)本科，研究方向：港海工程