我國港口吞吐量預測方法研究綜述

對目前預測港口吞吐量的方法進行了總結和比較后，指出在實際預測工作中，還要根據預測進行時間以及港口的內、外部具體情況，選擇合適的港口吞吐量預測方國民經濟的發展不僅給港口的建設帶來了新的機遇，也對港口的規劃提出了新的要求。而港口吞吐量是港口發展戰略研究的重要內容，正確地預測港口吞吐量對于合理科學的港口布局、投資規模、營運策略以及綜合運輸規劃都是十分重要的。由于港口吞吐量受到政治、經濟、自然條件等許多因素的影響，故雖然目前已有許多學者提出了各種關于預測港口吞吐量的方法，但對港口吞吐量的預測至今還未形成一種普遍通用的方法。本文將從方法論的角度，對現有研究港口吞吐量預測方法的文獻進行系統性地梳理、總結和評論。

目前預測港口吞吐量的方法，歸納起來主要有兩類:定性與定量。定性預測法主要是利用歷史資料，并依靠個人的經驗、知識和分析能力，對未來的發展狀況進行預測;而定量分析法則主要是根據歷史統計數據，通過用數理統計方法建立起來的模型來預測未來的狀況。由于定量預測比定性預測更客觀和細致，故本文以下將在介紹定性預測和定量預測的基礎上，著重對定量預測方法進行詳細的分類和介紹:

定性預測

定性預測法指預測者通過調查研究、了解實際情況，憑自己的實踐經驗和理論、業務水平，對經濟現象發展前景的性質、方向和程度作出判斷、進行預測的方法，也稱判斷預測和調研預測。對港口吞吐量的定性預測方法主要包括德爾菲法、貨源調查法等，其主要適用于某些缺乏歷史資料的新建港口和因吞吐量的影響因素復雜多變而難以用數學方法加以表達和解決的情況下，邀請一批富有經驗的專家學者，對港口進行實地考察，在反復研究后獨立發表意見，在此基礎上歸納各方的分析成果，對港口未來的吞吐量作出判斷和預測。雖然定性預測法具有綜合性強、所需數據少、簡便易行等特點，但由于定性預測存在預測過程主觀性強、預測結果不夠細致等缺陷，故現有的大多文獻都把焦點集中于定量預測上。

定量預測

定量預測法是指根據準確、及時、系統、全面的調查統計資料和經濟信息，通過運用統計方法和數學模型對港口未來的發展規模、水平、速度等變量進行預測，因其與統計密切相關，又稱為統計預測。根據所采用數學方法的不同，港口吞吐量的定量預測方法可分為三類:時間序列法、因果分析法和組合預測法。

1 .時間序列法

時間序列法主要是在找出港口貨物吞吐量歷史數據的變化規律的基礎上，建立起數學模型進行預測。此類方法主要包括:移動平均法、指數平滑法、灰色系統法、季節性變化法、自回歸法和以時間為自變量的回歸分析法等。

如:王紅等(1997)在用灰色模型預測法對港口吞吐量進行建模分析和驗證比較的基礎上，提出了修正灰色模型預測吞吐量的方法。通過比較分析，其認為修正的灰色模型對吞吐量預測的擬合精度較高，適用于港口吞吐量的短期預測。

陳寧等(2005)利用對數二次指數平滑技術法預測港口吞吐量，并得出這種方法比較適用于預測快速成長的港口的吞吐量。

王春燕(2006)針對港口吞吐量預測中由于大量不確定性信息而導致預測結果存在較大誤差的問題，引入了盲數理論來對不確定性信息進行處理，實例結果顯示此方法克服了傳統回歸預測方法在處理不確定性信息上存在的缺陷，這使得此方法能在信息量較少的情況下，使預測結果較為可靠。

袁洪春等(2007)針對港口群腹地重疊、貨運流向難以模擬等問題，引入改進的概率交通方式預測模型，在此基礎上建立了負指數貨運量概率預測模型，并對新建港口的吞吐量進行了預測。

2. 因果分析法

因果分析法主要是依據腹地的各種經濟指標，找出貨物吞吐量與某些指標的相關關系，再根據這些相關經濟指標建立起的模型，預測港口吞吐量的未來發展情況。目前這類方法主要有回歸分析法、彈性系數法、系統動力學法及神經網絡法等。

如:徐國志等(2003)利用Matlab神經網絡工具箱，并以進出口總額為影響因子，建立了預測港口集裝箱吞吐量的線性神經網絡、前向人工神經網絡和徑向神經網絡模型。

歐軼(2003)通過對不同的貨種進行各自不同的直接腹地范圍劃分，并以不同貨種各自直接腹地范圍為基礎預測港口吞吐量，實例結果顯示此方法比不分腹地的情況更具可信度，其同時指出應將港口吞吐量分為“動態量”和“基本量”兩部分。

郭媚(2004)綜合了GDP、運力大小、外貿量和港口條件等多種因素，對某港口的吞吐量建立起了多元回歸模型進行預測，結果顯示因自變量個數的增加而使得多元回歸模型比二元回歸模型對港口吞吐量的預測具有更高的可信度。

盧少華(2006)應用遺傳算法，從吞吐量歷史數據、吞吐量與GDP的關系這兩個角度對中國沿海港口的總吞吐量進行了預測。

張萍等(2006)發現將系統動力學方法運用于對港口吞吐量的預測中可以較好地解決傳統預測方法中自變量不足的問題，在對港口系統主要因素及因果關系分析的基礎上，建立起港口吞吐需求量及供給量的系統動力學模型，并采用南京港各相關統計數據對模型進行了仿真和驗證，結果證明該模型可行。

3.組合預測法

組合預測法并不是直接利用歷史和現時數據建模，而是將已建立的各單項預測模型進行恰當的組合來獲取預測港口吞吐量的最優值。

如:謝成立等(2006)把灰色預測理論和趨勢曲線預測理論相結合，提出了灰色趨勢曲線組合預測模型，并運用該模型對安徽某港口的吞吐量進行了預測，結果顯示該模型即降低了預測難度，又在一定程度上克服了灰色預期模型在進行長期預測常出現結果偏大的缺陷。

齊興敏等(2006)有機地結合了遺傳算法和人工神經網絡的特點，提出了基于GA-BP神經網絡的沿海港口吞吐量預測模型，并將預測結果與一般BP神經網絡做比較，結果顯示該模型比一般BP神經網絡模型具有更高的預測精度。

朱超(2006)按照“誤差平方和最小”的準則把移動平均法和GM(1，1)模型組合起來，對某港口的港口吞吐量進行了預測，結果顯示此方法的均方百分比誤差最小，預測精度較高。

高尚等(2007)在對傳統的兩個線性組合預測模型進行研究的基礎上，提出了支持向量機非線性組合預測模型。并以青島港歷年集裝箱吞吐量為例，把該模型與單一預測方法、線性組合預測進行了對比，結果顯示支持向量機非線性的組合預測方法最為精確。

張浩(2007)通過比較某港集裝箱吞吐量實際值與多種模型預測值之間的差異，在分析了差異產生的原因及單一預測模型局限性的基礎上，提出了基于最優線性組合的港口集裝箱吞吐量預測法，即以原各單項預測模型的預測值為外生變量，以方差絕對值加權和最小為最優準則，建立線性組合預測模型。

劉啟文等(2008)以某港集裝箱吞吐量數據為例，建立了灰色理論、三次指數平滑、三次多項式等預測模型，并在MATLAB下對比該港集裝箱吞吐量各模型預測擬合值與實際值的差異，分析了差異產生的原因及其單一預測模型的局限性，提出了港口集裝箱吞吐量組合預測法，并指出此方法可以降低預測誤差。

馬錫超等(2009)根據港口集裝箱吞吐量的歷史數據，分別利用三次指數平滑法、灰色GM(1，1)模型以及組合預測方法對集裝箱吞吐量進行探討，結果表明組合預測模型融合了前兩種預測方法的優點，其平均絕對誤差、平均相對誤差絕對值都小于單獨用三次指數平滑法或GM(1，1)模型時的平均絕對誤差、平均相對誤差絕對值，達到了最優的精度等級。

評述

由于航運自身所具有的特性，采用上述三類方法預測吞吐量時，需要注意其適用的范圍和條件。對于時間序列法，由于其只考慮了港口吞吐量自身的歷史變化趨勢，并根據這種變化趨勢做時間上的外推，而并未考慮到影響這種變化趨勢的諸多外部因素，因此當港口吞吐量的影響因素出現較大的變化時，預測結果必然會出現很大的誤差。另外，這類方法根據對港口的歷史數據作時間上外推的技術對港口吞吐量的短期預測是可行的，但對中、長期預測其精度會降低。對于因果分析法，由于其考慮到了與吞吐量有關的諸多腹地社會經濟指標，相對來說較時間序列法有一定的優越性，但如果在預測過程中不做到細致研究港口吞吐量的變化規律和影響因素，并根據港口的具體情況取舍相關影響因素建立模型，此類方法也將因為變量選取的不當而難以取得較好的預測效果。對于組合預測法，由于其從整個經濟系統出發，考慮到任一變量都會受到許多外界因素的干擾，這使得任一單項預測模型所慮及的影響因素必然有片面之處，故很難用一個單項預測模型對港口吞吐量變化的趨勢擬合得足夠緊密，并對其變動的原因做出一致解釋，而當將這若干單項預測模型組合在一起時，其所包含的影響因素的范圍將得到很大程度上的擴張，這就使得相對任一單項預測模型，組合預測模型的預測精度得到了提高。但組合預測法在到底選取哪兩種或幾種單項預測模型進行組合時，存在著一定的主觀性和隨機性，這使得此類方法在實際應用也遇到了一定的障礙。

綜述所述，雖然目前已經有許多文獻分別提出了各種關于預測港口吞吐量的方法，但對港口吞吐量的預測至今還未形成一種普遍通用的方法。在實際港口預測工作中，我們還得要綜合根據預測進行時間以及具體港口的外部和內部情況，進行港口吞吐量預測方法的選擇。而縱觀所有這些方法存在缺陷的一個共同原因在于未能夠對影響港口吞吐量的諸多因素進行全面并且動態的研究，這直接造成了這些預測方法在選擇變量時的主觀性和隨機性，鑒于此，對港口吞吐量影響因素的研究就成了一個必要且緊迫的課題。(作者單位:上海海事大學)法。