基于組合預測模型的武漢港集裝箱吞吐量預測

彭亞美，楊家其

（武漢理工大學　交通學院，湖北　武漢　430063）

基于組合預測模型的武漢港集裝箱吞吐量預測

彭亞美，楊家其

（武漢理工大學交通學院，湖北武漢430063）

集裝箱物流是衡量一個港口國際貿易水平的核心指標之一，科學地預測港口吞吐量有利于各港口更好地進行集裝箱運輸規劃，提高港口綜合競爭力。武漢港是長江黃金水道的一個重要節點，在長江航運物流的發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測模型，對武漢港近十年的集裝箱吞吐量進行了預測，結果表明，灰色回歸組合模型可以提高預測精度，為港口集裝箱物流提供了規劃依據。

港口物流；集裝箱吞吐量；GM（1，1）模型；多元回歸模型；組合預測；武漢港

1　引言

目前，國內外學者對物流量的預測主要集中在組合預測模型方面，特別是對于時變權重的討論重點主要在定量預測方面［1］。常用的預測方法主要包括指數平滑法、神經網絡法、灰色預測法等，不同的方法側重點不同。預測時，不同的方法能夠對同一對象產生不同側重點的預測意義，并且預測的精度也由于方法的不同而存在差異。所以能夠將不同的預測方法根據一定的方式進行組合，構建新的預測方法，即組合預測法。組合是為了利用研究對象提供的原始樣本信息，利用組合預測法可以集合各種方法的優勢，得到滿意度較高的預測結果。Paulo S.A.Freitas等人討論了不同神經預測法并給出了基于神經預測模型的組合預測法，他們在模型中考慮了高斯徑向基函數網絡［2］，有較好的參考意義。在港口物流預測方面，我國學者也有大量研究，對于港口集裝箱吞吐量的預測主要有傳統預測法、改進的預測法、組合預測法、智能預測法等［3-6］。灰色預測針對部分信息未知的不確定性系統，在物流量預測中有著廣泛的應用。如翟希東以港口集裝箱吞吐量的時間序列為基礎，提出基于人工神經網絡的GM（1，1）殘差修正預測模型，來評價預測模型的有效性［7］。張樹奎在分析傳統的灰色預測模型和BP神經網絡預測模型優缺點的基礎上，構建了灰色神經網絡港口集裝箱吞吐量預測模型［8］。樊文靖通過探討各種預測方法的建模機理、適用范圍以及優缺點，最終確定了以單項預測模型為基礎組建組合預測模型［9］。綜合各學者的研究發現，灰色模型需要初始數據少，但未考慮到影響運量的因素變化，預測存在較大誤差；多元回歸模型充分考慮了運量的影響因素，將其與灰色模型結合起來預測，可以很好的減小誤差。以組合預測的預測誤差平方和最小為目標函數，本文利用最小二乘法可以得到兩種預測模型的最優權重，結果表明，灰色回歸預測的精度顯著提高。

2　多元回歸模型

回歸預測法是找出貨運量預測對象（因變量）與影響預測對象的各種因素（自變量）之間的關系，并建立相應的回歸方程式，求得因變量的方法。根據所研究運量與主要經濟指標的相關關系，建立多元回歸模型。設所研究的對象受多個因素x1，x2，…，xn的影響，同時各個影響因素與y之間是線性關系，則建立的多元線性回歸模型為：

其中，y為理論值，式中的b0，b1，b2，…，bn用最小二乘法來估計。

本文以武漢港集裝箱吞吐量為預測對象，影響集裝箱吞吐量的因素有很多種，綜合有關研究成果，本文挑選最具有代表性的因素—武漢市的GDP總量X1和外貿進出口總額X2為自變量，集裝箱吞吐量Y為因變量來進行預測。建立二元線性回歸模型為：

3　GM（1，1）模型

GM（1，1）模型將所有隨機變量看作在一定范圍內變化的灰色變量，是一種動態預測模型，需要的建模數據量較少、計算過程比較簡單，預測結果也比較可靠。

式（3）的解即時間響應函數：

其時間響應序列為：

還原值為：

GM（1，1）詳細建模過程見文獻［10］。該模型的檢驗可以從三個方面進行，即：殘差檢驗、關聯度檢驗和后驗差檢驗，對模型的檢驗是判斷模型是否適用的重要標準。

殘差序列：

相對殘差：

檢驗小誤差概率P：

表1　精度檢驗等級表

若檢驗結果在精度允許范圍內，則建立的模型可以進行預測，反之需要修正。

4　灰色線性回歸模型預測結果與分析

4.1組合預測模型權重確定

利用組合預測方法對武漢港集裝箱吞吐量進行預測，然后對各自的預測結果進行適當加權，將它們的平均值作為組合預測結果。形式如下：

式（14）中，Yk是組合預測模型第k組的值，di是第i種預測方法的加權系數，各個加權系數的和為1。要使預測的誤差達到最小，應根據最優化原理通過二次規劃求解［11］：

根據式（17）、（18）可以確定di的值，由此可得該組合預測模型的形式為：

4.2灰色線性回歸模型預測結果分析

通過查閱歷年武漢市國民經濟和社會發展統計公報及中國港口年鑒，近十年武漢市GDP、外貿進出口總額、港口集裝箱吞吐量情況見表2。

表2　2006-2015年武漢市經濟情況及港口吞吐量

根據表2數據，利用GM（1，1）模型和回歸預測模型對武漢港集裝箱吞吐量分別進行預測，然后根據式（17）、式（18）可得上述兩種模型的權重分別為d1=0.430 524，d2= 0.569 476，接著由式（19）可以得到組合預測模型預測的武漢港集裝箱吞吐量，各模型預測結果以及組合預測的預測值和實際值對比情況見表3。

表3　各模型預測結果及組合預測模型誤差情況

由表3可得，組合預測模型平均相對誤差為0.33%＜0.5%，滿足精度要求，組合預測模型的預測效果較好。

5　結論

在國際經濟與貿易飛速發展的大背景下，港口集裝箱吞吐量是港口物流發展的一個核心指標，對港口的規劃與發展也有重大的影響，科學準確預測港口集裝箱吞吐量具有重要的現實意義。常用的預測方法包括彈性系數法、時間序列法、神經網絡預測法、灰色預測法等。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，如腹地經濟條件、港口基礎設施、港口運營效率、水運需求等，存在很多未知的變數，各因素的影響都是比較復雜和模糊的，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的預測結果。武漢港是長江中游的重要節點，自武漢確立了國家級航運中心地位，港口物流發展日益迅速。面對這樣良好的市場前景，武漢港應科學制定相應的規劃與策略。灰色回歸組合模型彌補了單一模型的不足，較好地提高了模型預測結果的精確度。該模型實用性強，還可通過具體分析進一步用于其它物流量的預測，為規劃和決策提供科學依據。

［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.定性預測和定量預測的綜合應用研究［J］.東華大學學報，2004，（3）∶115-116.

［4］陳婷婷，等.基于BP神經網絡的港口貨物吞吐量預測［J］.物流科技，2010，（5）∶23-25.

［5］江釩，雷凱.改進的非線性模型在港口集裝箱吞吐量預測中的研究與應用［J］.物流技術，2010，（3）∶148-150.

［6］潘文軍.基于智能的港口物流預測系統的研究與應用［D］.武漢∶武漢理工大學，2004.

［7］翟希東.港口集裝箱吞吐量預測模型研究［D］.大連∶大連理工大學，2006.

［8］張樹奎，等.基于灰色神經網絡的港口集裝箱吞吐量預測模型研究［J］.重慶交通大學學報（自然科學版），2015，（5）∶135-138.

［9］樊文靖.基于最優組合的重慶港港口貨物吞吐量預測模型研究［D］.重慶∶重慶交通大學，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測研究［D］.福州∶福建農林大學，2012.

［11］陳秀瑛，古浩.灰色線性回歸模型在港口吞吐量預測中的應用［J］.水運工程，2010，（5）∶89-92.

［12］張艷，等.組合預測中權重的確定研究—最小絕對值法的應用［J］.交通運輸系統工程與信息，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（武漢市規劃范圍）岸線資源利用現狀調查前置研究

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。