连云港港是深水港吗( 分析研究连云港港货物的吞吐量 )

港，连云港位于海州湾的西南岸和江苏省的东北端，在中国的中部沿海地区。港的入海口依赖于北部6英尺长的东西连岛，的天然屏障，以及南部雄伟的云台山。它是横贯中国， 陇海，的东西铁路大动脉——和兰， 港新铁路的东端，被称为新欧亚大陆桥东部的桥头堡和新，丝绸之路东端的起点，是中国中西部地区最方便、最经济的海港

港港货物吞吐量：是表示港港生产能力的指标之一，是指通过水路运输进出港地区的货物装卸量。吞吐量分为进口和出口。目前，港港常用的货物吞吐量预测方法可分为三类：第一类是因果分析；第二类是时间序列法；第三类是组合预测法

原因分析主要是根据港，的主要社会经济指标，找出货物吞吐量与这些经济指标之间的相关性，并建立货物吞吐量随这些经济指标变化的预测模型。目前，这些方法主要包括收益分析法、投入产出法和系统动力学方法。根据港港货物吞吐量的历史趋势，时间序列法通过序列分析找出其随时间的变化规律，进而预测未来几年的吞吐量数据。这些方法主要包括移动平均法、指数平滑法、灰色系统法、支持向量机法法和人工神经网络法。

组合预测法是一种新预测法，它将不同的单项预测模型以一定的方式适当组合，综合利用各种预测方法提供的信息，尽可能提高预测精度。根据组合方式的不同，组合预测模型可以分为最优线性组合、贝叶斯组合和转换函数组合。

1 连云港港货物吞吐量预测

本文将利用因果分析的收益分析法、时间序列的支持向量机法法和基于前两种方法的最优线性组合预测法对对，连云港和港2010-2015年的货物吞吐量进行预测。

1.1回报预测方法

经过分析，本文决定根据连云港港市1999-2009年的货物吞吐量数据和连云港市1999-2009年的国民生产总值数据(见表1)，建立货物吞吐量和国民生产总值的一元线回归预测模型。因此，港， 连云港货物吞吐量和国民生产总值的一元线回归预测模型如下：

以连云港国民生产总值的历史增长率为参照，结合连云港社会经济健康稳定的发展趋势，预计2010-2015年连云港国民生产总值年均增长率为10%。得出2010-2015年连云港国内生产总值预测数据，并进一步预测2010-2015年港， 连云港货物吞吐量值(见表2)。

1.2支持向量机法

支持向量机(SVM)是Vapnik等人在统计学习理论基础上提出的一种新机器学习方法，它基于统计学习理论的VC 维理论和结构风险最小化原则。根据有限的样本信息，我们在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即识别任何样本而不产生错误差的能力)之间寻求最佳折衷，以获得最佳的泛化能力[4][5]。

支持向量机回归算法解决时间序列预测问题的基本思想如下：

让训练样本集为{(，)1，2，} I I x=x y I=？n (n)，i i x R y Rx和y，F={f f :Rn R}之间存在函数依赖关系

函数返回问题可以描述为如何找到函数f F，使得函数R(f)= L(y？F (x)，x)dP(x，y)最小。在哪个城市？F (x)，x)是一个损失函数，表示y和f (x)之间的偏差。

在支持向量机的回归算法中，常用的线性不敏感损失函数定义为：是待定系数；是不敏感值， 0。

如果样本点之间存在线性关系，则返回关系为f (x)= x b。然而，由于大多数经济系统中样本点之间存在非线性关系，支持向量机的返回算法通过非线性函数将每个样本点映射到高维特征空间，并在高维特征空间中执行线性返回。因此，非线性函数估计问题的转化可视为高维特征空间中的线性函数估计问题，即f (x，)= (x) b。根据Vapnik的结构风险最小化原理，引入结构风险函数R()，函数f应使R()最小化，即优化问题min21(1)(()，)2nirc l y f x=

其中：2 是描述函数f复杂性的项；c是一个惩罚因子，它的作用是在经验风险和模型复杂性之间进行折衷。

为了使上述优化问题有一个解，引入了松弛变量i，优化问题的转化为min2ni IIRc* I，i 为对偶变量；(，)i j K x x是核函数，常用的核函数有多项式内积函数、径向基内积函数、高斯函数型内积函数和Sigmoid型内积函数等。这样，支持向量机回归模型可以表示为二次规划问题，通过求解二次规划问题可以得到i和*i 的全局最优解。

因此，f (x)可以表示为：用支持向量机回归算法求解线性和非线性回归问题，必须首先确定不敏感性、惩罚因子c和所选核函数的参数[6]。

本文仍以港， 连云港1999-2009年的货物吞吐量数据为输入数据，采用开普敦南部大学史蒂夫冈恩教授提供的支持向量机工具箱(SVM _史蒂夫冈恩)[7]，其中核函数为径向基内积函数(RBF)22。经过训练比较，不敏感值为0.001，惩罚因子c为107，核函数宽度参数为150。最后，得出2010-2015年连云港港货物吞吐量预测值。

1.3最优线性组合预测方法

退货预测方法考虑了港港货物吞吐量的主要影响因素，而支持向量机法的方法反映了港港货物吞吐量在时间序列上的发展趋势。为了充分挖掘上述两种方法的有效预测信息，采用最优线性组合模型建立组合预测模型。

最优线性组合模型的一般形式是0，1nt ii tiy b乘==，其中t Y是样本期内的实际值；1、Y是不同模型在样本期内得到的预测值。

线性回归的参数估计值为0.1，组合预测值为1.0，11。以线性回归为模型1，支持向量机为模型2，用MATLAB软件计算得出：0b？=6.1044，1b？=0.1227，2b？=0.8762 .

根据最优线性组合预测模型，对港， 连云港2010-2015年的货物吞吐量进行了预测。

2结论

本文采用三种不同的方法对对，连云港和港的货物吞吐量进行预测，通过对比表2号的均方误差可以发现，一元线回归法的均方误差最大，即精度最低；支持向量机法均方误差，精度更高；最优线性组合预测方法的均方误差最小，精度最高。原因分析如下：(1)由于一元线回归法只考虑了对， 港港货物吞吐量的单一影响，其精度低于对；支持向量机法法，在小样本情况下具有较好的解决机器学习问题的能力，其仅利用对短期历史数据预测港港货物吞吐量的结果较差；最优线性组合预测方法具有最高精度的原因是港港的货物吞吐量是一个复杂的非线性系统，不能用单一模型完整准确地描述，组合预测方法可以最大限度地发挥各种单一预测模型的优势，降低预测目标的不确定性，从而有效提高预测精度。

最后，在模型预测的基础上，考虑到港港规划布局中使用数据的便利性，给出了2010-2015年港， 连云港货物吞吐量的最终预测结果。

本文由论文，发表，www.hylunwen.com提供，论文，发表，论文大师在论文寻找学位