期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于MPA-BPNN和ARIMA的港口货物吞吐量预测
1
作者 戴红伟 王博文 《上海海事大学学报》 北大核心 2025年第3期95-103,共9页
为提高港口货物吞吐量预测的准确性,分别构建由海洋捕食者算法(marine predators algorithm,MPA)优化的反向传播神经网络(back-propagation neural network,BPNN)预测模型(记为MPA-BPNN模型)和自回归综合移动平均(autoregressive integr... 为提高港口货物吞吐量预测的准确性,分别构建由海洋捕食者算法(marine predators algorithm,MPA)优化的反向传播神经网络(back-propagation neural network,BPNN)预测模型(记为MPA-BPNN模型)和自回归综合移动平均(autoregressive integrated moving average,ARIMA)预测模型。在灰色关联分析和Spearman相关分析的基础上,利用MPA-BPNN模型对宁波港港口货物吞吐量进行预测。对时间序列进行平稳性检验和自相关检验后,利用ARIMA模型对宁波港港口货物吞吐量进行预测。分别以2021—2022年、2015—2022年为预测区间,比较BPNN、MPA-BPNN和ARIMA模型的预测效果。结果表明:地区生产总值等因素对宁波港港口货物吞吐量具有重要显著影响;MPA-BPNN模型具有一定的寻优能力,其预测准确性比BPNN的高;在数据序列整体波动不剧烈的情况下,短期预测更适用ARIMA模型,中长期预测更适用神经网络模型。 展开更多
关键词 港口货物吞吐量预测 反向传播神经网络(BPNN) 海洋捕食者算法(MPA) 自回归综合移动平均(ARIMA)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部