穆俊鹏 ，李 娟 ，张 明

（1.上海出版高等专科学校 信息化办公室，上海 200093；2.上海海事大学 信息工程学院，上海 201306）

随着经济的发展，港口的建设逐渐炽热化，但如果港口的发展规模供大于求就会造成资源的浪费[1]，因此有必要对影响港口发展的港口货物吞吐量进行预测分析，使其成为港口建设和发展的理论依据。目前，在预测领域最为广泛的应用技术是人工神经网络模型，它具有较好的容错能力和较快的总体处理能力，而且能通过样本数据完成学习或训练，训练后的神经网络具有推广或者泛化能力（对未来数据的预测能力），故而本文采用神经网络模型对港口货物吞吐量进行预测。

1 研究方法

1.1 主成分分析法[2]

主成分分析也称主分量分析，它是将多指标转化为少数的几个综合指标，且这几个综合指标能够反映出原来多个变量反映的大部分信息。换言之，就是将许多相关性很高的变量转化成彼此相互独立的变量。

1.2 BP神经网络

BP神经网络的基本原理是：输入信号由输入层经过隐含层的变换函数作用后到达输出层得到目标信号，然后将输出的目标信号与实际数据相比较，利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层地反传下去，就获得了所有其他各层的误差估计。但它存在一些缺点[3]：如：易陷入局部最小、收敛速度慢、隐含层的结点个数难以确定等问题。为了能够获得更好的泛化全局最优性能，主要完成以下的改进[4]：（1）提高网络训练的速度；……