原文传递
基于EEMD和相空间重构的到锚货运量预测研究
| 论文题名： | 基于EEMD和相空间重构的到锚货运量预测研究 |
| 关键词： | 船闸;货运量;预测建模;集成经验模态分解;相空间重构;最小二乘支持向量机 |
| 摘要： | 随着长江水路运输货运量的快速增长，三峡船闸设计通过能力有限的问题愈发突出，已远不能满足长江航运的需要，从而给长江水路运输业及其周边经济的发展带来了不利的影响。船闸的建设规模决定其通过能力，而建设规模又取决于未来货运量。因此，通过科学有效的方法来提高货运量的预测精度，对船闸的建设和管理规划有着重要意义。 本文将最小二乘支持向量机（LSSVM）、相空间重构（PSR）理论和集成经验模态分解（EEMD）技术结合起来探讨三峡船闸日到锚货运量时间序列预测建模问题。主要研究内容如下： （1）针对三峡船闸日到锚货运量时间序列的混沌性特征，建立了基于相空间重构的最小二乘支持向量机（PSR-LSSVM）的三峡船闸日到锚货运量预测模型；对于模型的参数，提出了一种非线性递减惯性权重的粒子群算法对其进行寻优。此模型避免了根据经验确定LSSVM模型的输入集模式的盲目性和随意性，从而有效地提高了LSSVM模型的预测精度。 （2）由于三峡船闸日到锚货运量时间序列具有非平稳性等特征，直接采用LSSVM模型进行预测，难以取得较好的预测效果；而集成经验模态分解是一种自适应的非平稳、非线性处理方法，可以将原始时间序列分解成一系列相对比较平稳的分量，鉴于此，建立了基于集成经验模态分解的相空间重构-最小二乘支持向量机（ EEMD-PSR-LSSVM）混合预测模型；通过实证分析对EEMD-PSR-LSSVM混合预测模型的有效性进行验证，并将EEMD-PSR-LSSVM混合预测模型的预测结果与PSR-LSSVM预测模型的预测结果进行比较。结果表明：EEMD-PSR-LSSVM混合预测模型的预测值和原始值的拟合效果更好，从而验证了 EEMD-PSR-LSSVM混合预测模型的有效性；对比预测结果， EEMD-PSR-LSSVM混合预测模型较PSR-LSSVM模型有更高的预测精度。 |
| 作者： | 叶雪强 |
| 专业： | 统计学 |
| 导师： | 桂预风 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
