论文题名: | 基于ARIMA-LSTM的上海港集装箱吞吐量预测 |
关键词: | 港口集装箱;吞吐量预测;ARIMA模型;LSTM模型 |
摘要: | 港口作为连接海洋和陆地重要的交通物流枢纽,地位显著,而集装箱物流作为港口物流重要的组成部分,已成为评价一个港口地位的重要指标,科学准确的港口集装箱吞吐量预测不仅可以给水运的规划和发展提供参考,同时对港口交通规划、腹地经济研究及科学决策等方面具有重要的意义。 论文首先对上海港集装箱吞吐量时间序列特征进行了分析,通过对时间序列的一元回归拟合,验证了集装箱吞吐量时间序列同时具有线性与非线性的特点,基于时间序列的趋势性分析,确定港口集装箱吞吐量典型影响因素。其次针对上海港集装箱吞吐量时间序列的特点,建立了自回归差分移动平均(AutoregressiveIntegratedMovingAverage,ARIMA)线性预测模型和长短时记忆(LongShortTermMemory,LSTM)非线性预测模型,并基于线性模型与非线性模型的特点构建了ARIMA-LSTM组合预测模型。以2011年至2020年共计120个月的上海港集装箱吞吐量数据为研究对象进行实例验证,并使用平均绝对百分比误差(MeanAbsolutePercentageError,MAPE)和均方根误差(RootMeanSquareError,RMSE)两项评价指标对预测结果进行评价。 利用评价指标将组合模型预测结果分别与LSTM模型和ARIMA模型的预测结果进行比较,对比结果表明本文所构建的组合模型相比单一模型能够有效拟合时间序列的线性与非线性交织叠加的趋势,预测相对误差较小,结果更加精准。该组合模型提高了预测的科学性与准确性,应用到港口集装箱吞吐量的预测中,能够帮助港口相关部门做出合理决策与规划,提高港口的运营效率。 |
作者: | 张晓博 |
专业: | 交通信息工程及控制 |
导师: | 王凤武 |
授予学位: | 硕士 |
授予学位单位: | 大连海事大学 |
学位年度: | 2022 |