刘苗苗　蒋艳

摘  要：精确的港口货物吞吐量预测对于港口的发展至关重要。本文提出了改进粒子群优化去尾均值多层感知机模型对上海港货物吞吐量进行预测。选取了影响上海港货物吞吐量的十个因素进行训练，实验结果表明该预测模型的预测性能明显优于传统MLP预测模型和基本的粒子群优化多层感知机模型。对该预测模型的误差分析和收敛性分析表明该预测模型可靠。

关键词：粒子群算法;去尾均值;多层感知机;港口吞吐量预测

中图分类号：TP183     文献标识码：A

Abstract： Accurate port cargo throughput forecast is vital to port development. This paper proposes an improved particle swarm optimization model of multilayer perceptron （MLP） with trimmed mean to predict the cargo throughput of Shanghai Port. Ten factors that affect cargo throughput of Shanghai Port are selected for training. The experimental results show that prediction performance of the proposed prediction model is significantly better than traditional MLP prediction model and basic particle swarm optimization multi-layer perceptron model. Error and convergence analyses of the prediction model show that the prediction model is reliable.

Keywords： particle swarm algorithm; trimmed mean; multilayer perceptron; port throughput forecast

1   引言（Introduction）

随着“21世纪海上丝绸之路”战略的实施，对港口的管理提出了更高的要求：准确地预测港口货物吞吐量，为港口调度提供依据，避免港口出现货物船舶的滞留，缩短交货周期，提高客户满意度，使港口运营更高效。因此，准确地预测港口货物吞吐量对港口发展至关重要。

目前，在港口货物吞吐量预测方面，陈昌源等[1]通过优化灰色分析法对上海港集装箱吞吐量进行了预测;黄荣富等[2]通过建立三次指数平滑法对港口吞吐量进行了预测;高嵩等[3，4]分别结合不同预测模型，建立组合预测模型并分别应用于天津港和宁波港的吞吐量预测;李广儒等[5]将Elman神经网络应用于宁波舟山港的货物吞吐量预测;胡克满等[6]运用灰色模型理论选取部分已知信息计算未知信息，结合人工神经网络系统对模型进行优化，给出了基于灰色神经网络的港口货物吞吐量预测算法。

2  吞吐……