時間序列分析法船舶港口建筑工程成本估計

王昌林

摘 要：針對當前船舶港口建筑工程成本估計精度低的問題，提出時間序列分析法的船舶港口建筑工程成本估計方法。首先采集大量船舶港口建筑工程成本歷史數據，將它們組成一組時間序列數據，然后引入小波變換對船舶港口建筑工程成本時間序列數據進行分解，得到趨勢部分和細節部分，使得變化特點比較明顯，最后采用RBF神經網絡對船舶港口建筑工程成本時間序列的趨勢部分進行建模，采用支持向量機對船舶港口建筑工程成本時間序列的細節部分進行建模，并根據預測結果重構得到船舶港口建筑工程成本估計結果。實例研究結果表明，時間序列分析法的船舶港口建筑工程成本估計效率高，可以高精度對船舶港口建筑工程成本進行估計。

關鍵詞：船舶港口;時間序列分析法;建筑工程成本;估計結果

引言

由于船舶噸位越來越大，航行的距離也越來越長，這樣需要建立大量的港口，同時在港口建立相應的建筑物，保證船舶安全停靠。在港口船舶建筑物的建造過程中，工程成本估計十分關鍵，其不僅影響船舶建筑工程的進度，同時影響建造企業的利潤。在實際應用中，船舶港口建筑工程成本與一個國家以及地區的經濟環境，以及政策密切相關，同時還有一些不可預測的未知因素影響，往往具有高度不平穩性和非線性，使得船舶港口建筑工程成本估計面臨巨大的挑戰[1]。

為了解決當前單一船舶港口建筑工程成本估計方法精度低的難題，提出了時間序列分析法的船舶港口建筑工程成本估計方法，并通過實例研究測試了其性能。結果表明，時間序列分析法不僅能夠得到高精度船舶港口建筑工程成本估計結果，而且船舶港口建筑工程成本估計速度加快。

1相關理論

1.1RBF神經網絡

RBF神經網絡是一種模擬人的大腦結構以及人的思維的智能處理系統，包含了大量的神經元，神經元之間存在一定的關聯，相對于其它技術，其具有優勢為：容錯能力強、處理速度快、強大的自學習能力等，RBF神經網絡的結構[1]。

設輸入向量為xi（i=1，2，…，n），通過輸入層的神經元節點傳遞到隱含層，而隱含層通過映射函數將輸入向量從低維空間變換到高維空間，通常做的變換為非線性變換，一般采用高斯函數，具體為：

1.2支持向量機

T=（（x1，y1），（x2，y2）...（xn，yn））設n個船舶港口建筑工程成本估計訓練樣本就構成了訓練樣本集：，將船舶港口建筑工程成本估計歸問題轉化為最優化問題，即（6）式如下：

2時間序列分析法的船舶港口建筑工程成本估計方法

船舶港口建筑工程成本的變化過程，從本質是一種根據時間先后變化的系統，具有十分明顯的時間特征，成本之間具有較強的時間關聯性，直接采用人工神經網絡進行建模估計，船舶港口建筑工程成本估計效果差，這是因為估計結果具有“平移”現象，主要是由于船舶港口建筑工程成本波動太劇烈，單一方法無法跟進船舶港口建筑工程成本變化的節奏。為了解決該難題，本文對船舶港口建筑工程成本數據進行預處理，提取趨勢部分和細節部分，采用不同方法分別對它們進行估計[3]。

時間序列分析法的船舶港口建筑工程成本估計方法工作思想為：首先通過引入小波變換，將船舶港口建筑工程成本數據分解為趨勢部分和細節部分，其中趨勢部分描述了船舶港口建筑工程成本的整體變化趨勢，細節部分描述了船舶港口建筑工程成本的高度非線性變動方向，然后引入RBF神經網絡對船舶港口建筑工程成本時間序列的趨勢部分進行建模，最后通過小波重構得到原始船舶港口建筑工程成本數據的估計結果[4]。

3船舶港口建筑工程成本估計的實驗研究

3.1船舶港口建筑工程成本的歷史樣本

為了分析時間序列法的船舶港口建筑工程成本估計性能，采集一段時間的船舶港口建筑工程成本數據，該船舶港口建筑工程成本數據變化規律不十分明顯。為了使船舶港口建筑工程成本估計實驗結果具有可比性，選擇RBF神經網絡的船舶港口建筑工程成本估計方法、支持向量機的船舶港口建筑工程成估計方法進行對比實驗[5]。

3.2船舶港口建筑工程成本估計性能分析

統計3種船舶港口建筑工程成本估計方法的實驗結果，選擇不同數量的訓練樣本進行5次實驗，船舶港口建筑工程成本估計精度和訓練時間。可以看出，本文方法的船舶港口建筑工程成本估計精度均值為92.80%，RBF神經網絡的船舶港口建筑工程成本估計精度均值為82.91%，支持向量機的船舶港口建筑工程成本估計精度均值為87.60%，本文方法由于集成了RBF神經網絡和支持向量機的優點，提升了船舶港口建筑工程成本估計效果，還可以看出，本文方法的船舶港口建筑工程成本估計訓練時間更少，相對于對比方法，提升了船舶港口建筑工程成本估計效率[6]。

4結語

針對RBF神經網絡和支持向量機無法準確估計船舶港口建筑工程成本的問題，利用兩者的優點，設計了時間序列分析法的船舶港口建筑工程成本估計方法，實驗驗證了本文方法用于船舶港口建筑工程成本估計的優越性。

參考文獻：

[1]程宇驍，羅永宏.船旗國監督檢查中對船舶維護保養之體系缺陷的檢查和處理[J].中國海事，2021，{4}（04）：58-62.

[2]李雯雯.船舶限硫令實施對國際海上貨物運輸承運人使船舶適航義務的影響[J].海大法律評論，2020，{4}（00）：120-131.

[3]于野.基于人工智能的光學遙感在軌船舶檢測技術研究[D].中國科學院大學（中國科學院長春光學精密機械與物理研究所），2020.

[4]韓宗壘，徐斌，陳佳.基于神經網絡的集裝箱船港口作業時間預測模型[J].計算機應用與軟件，2021，38（02）：78-84.

[5]王堅，黃厔，陳森陽，劉艷英.廈門船舶控制區（綠色港口）大氣污染物減排成效評估[J].海峽科學，2021，{4}（01）：22-28.

[6]曾慶光，董明望，辜勇.考慮船舶碳排放的集裝箱船舶進港靠泊調度問題研究[J].物流技術，2020，39（11）：95-101+141.