张晓雷，黄洪琼

(上海海事大学 信息工程学院，上海 201306)

0 引 言

近年来，随着社会经济和对外贸易的迅速发展，各种水域的船舶流量也在不断增加，从而导致先进的航行技术和落后的港口运输管理之间的矛盾已经成为现阶段中国水路运输发展的突出矛盾。因此，提升航行水域船舶流量预测的准确性和高效性变得尤为重要[1]。

同时，现实中的多种因素，如季节、气候、经济、地域文化甚至行业的周期性变化等，都会对船舶流量带来直接或间接的影响，所以拥有一种高效、准确的预测模型是十分必要的。

1 理论基础

目前，用于船舶流预测的方法主要包括灰色预测模型[2]、线性回归分析[3]、灰色神经网络[4]、极大似然估计[5]、支持向量机[6]等。这些预测方法具有各自的特点，但有个共同的特点就是要求预测的历史数据有较好的光滑度[7]。故文中采用一种新型的预测方法，即基于季节指数的灰色-马尔可夫预测模型。

在同一年时间内船舶流量的变化存在明显的季节变化，故引入季节指数来对季节变化进行修正。将修正后的数据作为灰色预测模型的原始数据用于建模预测，然后引入Markov模型来修正和弥补灰色模型的预测误差。通过构建实际值与灰色模型预测残差的时间序列，研究误差的变化规律与趋势。

2 模型的建立

2.1 数据的预处理

为了进一步寻找船舶流量在一定时间跨度上的变化规律，在模型中引入功率谱。功率谱即功率密度谱，表征了单位频带内的功率大小，通过功率谱分析可以提取出各个频率分量。……