基于EEMD和PSO方法的我国港口集装箱吞吐量预测

作者：于婷; 孙景云

来源：物流技术, 2021, 40(05): 56-64.

• 集装箱吞吐量
• 集合经验模态分解
• 粒子群优化算法
• 最小二乘支持向量回归
• K-Means聚类

为了对港口未来的集装箱吞吐量进行预测,提出了一种基于EEMD-PR/PSO-LSSVR-PM的组合预测模型。首先,采用集合经验模态分解(EEMD)算法将数据分解为多个不同频率的本征模态函数(IMF)及趋势残差项,以降低数据的复杂性。然后利用基于粒子群算法对参数进行优化后的最小二乘支持向量回归(PSO-LSSVR)来分别预测各IMF分量,利用多项式回归(PR)预测带有趋势的残差项,最终对各IMF预测值利用感知机模型(PM)进行非线性集成,与残差项预测值加总,从而得到最终预测结果。在实证分析中,以2019年我国港口集装箱吞吐量排名前十的大规模港口为研究对象,先运用K-Means聚类方法将港口分为3类,从每一类中分别选取广州、营口、上海为三大代表性港口,再利用所提出的组合预测方法分别进行实证预测。结果表明,该组合预测方法具有较高的预测精度和鲁棒性。

• 单位
  兰州财经大学