基于情境变动的港口吞吐量预测模型

基于情境变动的港口吞吐量预测模型

情境变动是影响港口吞吐量预测的重要因素。然而现有关于港口吞吐量预测建模的研究对此问题的关注度相对较少。因此本文构建动态惩罚支持向量回归模型,通过动态调整每个数据的惩罚系数,使预测模型快速适应新情境下的事物发展规律,从而提高预测模型的预测准确率。采用1980-2014年大连港和天津港的年货物吞吐量数据进行实证研究,并与传统支持向量回归模型和ARIMA模型进行对比分析,实证结果表明本预测模型与其他两个预测模型相比具有以下两个特点：1、当影响港口吞吐量的情境发生变化时,该模型能够快速适应新情境,从而提高预测准确率;2、该模型的预测性能更加准确、平稳,从而提高实用性。...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:管理评论 2018, Vol.30 (1), p.195-201
Hauptverfasser: 鲁渤, 杨显飞, 汪寿阳
Format: Artikel
Sprache:chi
Schlagworte:
动态惩罚
情境变动
支持向量回归模型
时间序列预测
港口吞吐量
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 201
container_issue 1
container_start_page 195
container_title 管理评论
container_volume 30
creator 鲁渤
杨显飞
汪寿阳
description 情境变动是影响港口吞吐量预测的重要因素。然而现有关于港口吞吐量预测建模的研究对此问题的关注度相对较少。因此本文构建动态惩罚支持向量回归模型,通过动态调整每个数据的惩罚系数,使预测模型快速适应新情境下的事物发展规律,从而提高预测模型的预测准确率。采用1980-2014年大连港和天津港的年货物吞吐量数据进行实证研究,并与传统支持向量回归模型和ARIMA模型进行对比分析,实证结果表明本预测模型与其他两个预测模型相比具有以下两个特点：1、当影响港口吞吐量的情境发生变化时,该模型能够快速适应新情境,从而提高预测准确率;2、该模型的预测性能更加准确、平稳,从而提高实用性。
format Article
fullrecord <record><control><sourceid>cass_wanfa</sourceid><recordid>TN_cdi_wanfang_journals_glpl201801018</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cass_id>674403996</cass_id><cqvip_id>674403996</cqvip_id><wanfj_id>glpl201801018</wanfj_id><sourcerecordid>674403996</sourcerecordid><originalsourceid>FETCH-LOGICAL-c768-d994b1b0348fc140626f1ffd59d39a69f88705fb69c5737db1c176a444d9492b3</originalsourceid><addsrcrecordid>eNpNjz9LAzEAxTMoWGq_gKPgeJBccvkzSvEfFFy6H8nFnCfntV4QcW5FsODdKA4V26WbU0H6ecxJv4WBdnB68N6P93g7oIUgxAESUbgHOtZmCkLvMIR4C0D3sfpZvTajJzcbuerNvSx-38fN95er5q6eurpeP1fr2bhZTprFp5tO9sGukbm96my1DfqnJ_3uedC7PLvoHveChFEeaCGIQgpiwk2CCKQhNcgYHQmNhaTCcM5gZBQVScQw0woliFFJCNGCiFDhNjja1D7IwsgijW8G92XhB-M0H-YhRNx_QNxzBxsukdbGhbU6powQiIWgPjzchteDIr3LfM2wzG5l-fgP-gOgHWGd</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于情境变动的港口吞吐量预测模型</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>鲁渤;杨显飞;汪寿阳</creator><creatorcontrib>鲁渤;杨显飞;汪寿阳</creatorcontrib><description>情境变动是影响港口吞吐量预测的重要因素。然而现有关于港口吞吐量预测建模的研究对此问题的关注度相对较少。因此本文构建动态惩罚支持向量回归模型,通过动态调整每个数据的惩罚系数,使预测模型快速适应新情境下的事物发展规律,从而提高预测模型的预测准确率。采用1980-2014年大连港和天津港的年货物吞吐量数据进行实证研究,并与传统支持向量回归模型和ARIMA模型进行对比分析,实证结果表明本预测模型与其他两个预测模型相比具有以下两个特点：1、当影响港口吞吐量的情境发生变化时,该模型能够快速适应新情境,从而提高预测准确率;2、该模型的预测性能更加准确、平稳,从而提高实用性。</description><identifier>ISSN: 1003-1952</identifier><language>chi</language><publisher>中国科学院大学</publisher><subject>动态惩罚 ; 情境变动 ; 支持向量回归模型 ; 时间序列预测 ; 港口吞吐量</subject><ispartof>管理评论, 2018, Vol.30 (1), p.195-201</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/96815A/96815A.jpg</thumbnail><link.rule.ids>314,776,780,4010</link.rule.ids></links><search><creatorcontrib>鲁渤;杨显飞;汪寿阳</creatorcontrib><title>基于情境变动的港口吞吐量预测模型</title><title>管理评论</title><addtitle>Management Review</addtitle><description>情境变动是影响港口吞吐量预测的重要因素。然而现有关于港口吞吐量预测建模的研究对此问题的关注度相对较少。因此本文构建动态惩罚支持向量回归模型,通过动态调整每个数据的惩罚系数,使预测模型快速适应新情境下的事物发展规律,从而提高预测模型的预测准确率。采用1980-2014年大连港和天津港的年货物吞吐量数据进行实证研究,并与传统支持向量回归模型和ARIMA模型进行对比分析,实证结果表明本预测模型与其他两个预测模型相比具有以下两个特点：1、当影响港口吞吐量的情境发生变化时,该模型能够快速适应新情境,从而提高预测准确率;2、该模型的预测性能更加准确、平稳,从而提高实用性。</description><subject>动态惩罚</subject><subject>情境变动</subject><subject>支持向量回归模型</subject><subject>时间序列预测</subject><subject>港口吞吐量</subject><issn>1003-1952</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2018</creationdate><recordtype>article</recordtype><recordid>eNpNjz9LAzEAxTMoWGq_gKPgeJBccvkzSvEfFFy6H8nFnCfntV4QcW5FsODdKA4V26WbU0H6ecxJv4WBdnB68N6P93g7oIUgxAESUbgHOtZmCkLvMIR4C0D3sfpZvTajJzcbuerNvSx-38fN95er5q6eurpeP1fr2bhZTprFp5tO9sGukbm96my1DfqnJ_3uedC7PLvoHveChFEeaCGIQgpiwk2CCKQhNcgYHQmNhaTCcM5gZBQVScQw0woliFFJCNGCiFDhNjja1D7IwsgijW8G92XhB-M0H-YhRNx_QNxzBxsukdbGhbU6powQiIWgPjzchteDIr3LfM2wzG5l-fgP-gOgHWGd</recordid><startdate>2018</startdate><enddate>2018</enddate><creator>鲁渤;杨显飞;汪寿阳</creator><general>中国科学院大学</general><general>大连大学智慧航运与物流网络技术国家地方联合工程实验室,大连116622%大连大学经济与管理学院,大连,116622%中国科学院数学与系统科学研究院,北京,100190</general><general>大连大学国际学院,大连116622</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W93</scope><scope>~WA</scope><scope>NSCOK</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2018</creationdate><title>基于情境变动的港口吞吐量预测模型</title><author>鲁渤;杨显飞;汪寿阳</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c768-d994b1b0348fc140626f1ffd59d39a69f88705fb69c5737db1c176a444d9492b3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2018</creationdate><topic>动态惩罚</topic><topic>情境变动</topic><topic>支持向量回归模型</topic><topic>时间序列预测</topic><topic>港口吞吐量</topic><toplevel>online_resources</toplevel><creatorcontrib>鲁渤;杨显飞;汪寿阳</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库-社会科学</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>国家哲学社会科学文献中心 (National Center for Philosophy and Social Sciences Documentation)</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>管理评论</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>鲁渤;杨显飞;汪寿阳</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于情境变动的港口吞吐量预测模型</atitle><jtitle>管理评论</jtitle><addtitle>Management Review</addtitle><date>2018</date><risdate>2018</risdate><volume>30</volume><issue>1</issue><spage>195</spage><epage>201</epage><pages>195-201</pages><issn>1003-1952</issn><abstract>情境变动是影响港口吞吐量预测的重要因素。然而现有关于港口吞吐量预测建模的研究对此问题的关注度相对较少。因此本文构建动态惩罚支持向量回归模型,通过动态调整每个数据的惩罚系数,使预测模型快速适应新情境下的事物发展规律,从而提高预测模型的预测准确率。采用1980-2014年大连港和天津港的年货物吞吐量数据进行实证研究,并与传统支持向量回归模型和ARIMA模型进行对比分析,实证结果表明本预测模型与其他两个预测模型相比具有以下两个特点：1、当影响港口吞吐量的情境发生变化时,该模型能够快速适应新情境,从而提高预测准确率;2、该模型的预测性能更加准确、平稳,从而提高实用性。</abstract><pub>中国科学院大学</pub><tpages>7</tpages><oa>free_for_read</oa></addata></record>
fulltext fulltext
identifier ISSN: 1003-1952
ispartof 管理评论, 2018, Vol.30 (1), p.195-201
issn 1003-1952
language chi
recordid cdi_wanfang_journals_glpl201801018
source 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
subjects 动态惩罚
情境变动
支持向量回归模型
时间序列预测
港口吞吐量
title 基于情境变动的港口吞吐量预测模型
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-15T10%3A19%3A54IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-cass_wanfa&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%83%85%E5%A2%83%E5%8F%98%E5%8A%A8%E7%9A%84%E6%B8%AF%E5%8F%A3%E5%90%9E%E5%90%90%E9%87%8F%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E7%AE%A1%E7%90%86%E8%AF%84%E8%AE%BA&rft.au=%E9%B2%81%E6%B8%A4;%E6%9D%A8%E6%98%BE%E9%A3%9E;%E6%B1%AA%E5%AF%BF%E9%98%B3&rft.date=2018&rft.volume=30&rft.issue=1&rft.spage=195&rft.epage=201&rft.pages=195-201&rft.issn=1003-1952&rft_id=info:doi/&rft_dat=%3Ccass_wanfa%3E674403996%3C/cass_wanfa%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cass_id=674403996&rft_cqvip_id=674403996&rft_wanfj_id=glpl201801018&rfr_iscdi=true