基于GRA-TOOPSO-LSSVM的港口吞吐量预测
2017-07-24张华春黄有方胡坚堃
张华春, 黄有方, 胡坚堃
(上海海事大学 物流科学与工程研究院,上海 201306)
基于GRA-TOOPSO-LSSVM的港口吞吐量预测
张华春, 黄有方, 胡坚堃
(上海海事大学 物流科学与工程研究院,上海 201306)
为对港口吞吐量进行科学预测,在最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)基础上,引入灰色关联分析(Grey Relational Analysis, GRA)和二阶振荡粒子群优化(Two-Order Oscillating Particle Swarm Optimization, TOOPSO),提出一种新的GRA-TOOPSO-LSSVM算法预测港口吞吐量.采用GRA法筛选出对上海港吞吐量有重大影响的因素,并将其作为LSSVM的输入变量;采用TOOPSO法对LSSVM的参数进行寻优;运用LSSVM非线性映射的优势对上海港吞吐量进行预测.在上海港吞吐量实证研究的过程中,GRA-TOOPSO-LSSVM算法与TOOPSO-LSSVM和基于交叉验证的LSSVM算法进行对比分析.研究结果表明,GRA-TOOPSO-LSSVM算法具有更好的预测精度和收敛速度,为港口吞吐量预测的研究提供了一种新的方法.
最小二乘支持向量机(LSSVM); 灰色关联分析(GRA); 二阶振荡粒子群优化(TOOPSO); 吞吐量预测
0 引 言
随着“一带一路”国家战略的推广,港口作为国际物流的重要节点,其作用将逐渐得以凸显.长江经济带及国际航运中心建设的不断推进,国际经济形势呈现出的L型发展和周期性弱化趋势使影响港口物流量的因素不断涌现.在这种形势下,需要新的模型和方法对港口发展进行有效预测.
预测港口吞吐量的方法很多,主要有时间序列分析法[1]、回归分析法[2]、灰色预测法[3]、神经网络法[4-5]、支持向量机(Support Vector Machine, SVM)[6-8]、最小二乘支持向量机(Least Squares SVM, LSSVM)[9-10]等.时间序列分析法和回归分析法都是线性模型,无法全面反映港口吞吐量与影响因素之间的非线性关系;……
