检索结果-维普期刊中文期刊服务平台

基于遗传规划方法的集装箱吞吐量预测被引量：14: 1; 作者乐美龙方奕《上海交通大学学报》 EI CAS CSCD 北大核心 2003年第8期1246-1250,共5页; 在对现有各种预测方法进行简要回顾的基础上 ,对遗传规划方法进行了研究 ,提出了应用于集装箱吞吐量预测的计算模型和相关参数的确定方法 ,并完成了算法设计和编程工作 .在此基础上 ,以宁波港集装箱吞吐量的历史数据为样本 ,开展了预测... 展开更多; 关键词遗传规划预测方法非线性映射集装箱吞吐量预测; 在线阅读下载PDF 职称材料

基于多变量LSTM模型的青岛港集装箱吞吐量预测被引量：8: 2; 作者王凤武张晓博 +1 位作者吉哲王乐《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第10期54-61,共8页; 为了更加科学准确地对港口集装箱吞吐量进行预测,以深度学习方法中的长短时记忆网络(LSTM)模型为基础,建立一种多变量输入的LSTM模型。首先使用系统聚类法对青岛港集装箱吞吐量的多种影响因素进行聚类分析,根据普尔逊(Pearson)相关系数... 展开更多; 关键词交通运输工程水路运输系统聚类多变量 LSTM模型青岛港集装箱吞吐量预测; 在线阅读下载PDF 职称材料

基于优化变分模态分解和核极限学习机的集装箱吞吐量预测被引量：1: 3; 作者张丰婷杨菊花 +1 位作者任金荟金坤《计算机应用》 CSCD 北大核心 2022年第8期2333-2342,共10页; 针对港口集装箱吞吐量数据的复杂性特征,提出基于优化变分模态分解(OVMD)和核极限学习机(KELM)的集装箱吞吐量短期混合预测模型。首先,用汉佩尔辨识法(HI)剔除原始时间序列中的异常值,并把预处理之后的序列通过OVMD分解为多个特征明显... 展开更多; 关键词集装箱吞吐量预测样本熵变分模态分解核极限学习机分解集成预测模型; 在线阅读下载PDF 职称材料

基于因子分析和曲线拟合的集装箱吞吐量预测被引量：1: 4; 作者贾飞跃韩晓龙《上海海事大学学报》北大核心 2019年第2期18-22,共5页; 为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展... 展开更多; 关键词自回归积分移动平均(autoregressive integrated MOVING average ARIMA)模型因子分析曲线拟合集装箱吞吐量预测; 在线阅读下载PDF 职称材料

基于混合注意力机制的CNN-BiLSTM模型的温州港集装箱吞吐量预测: 5; 作者丁天明高翎嘉《重庆交通大学学报(自然科学版)》 2025年第8期90-98,共9页; 为了更精确地预测港口集装箱吞吐量,提出了一种融合卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的预测模型,并引入多种注意力机制,以全面捕捉数据的全局特征。模型中将影响指标和历史集装箱吞吐量数据结合,作为多变量输入进行预测... 展开更多; 关键词交通运输工程集装箱吞吐量预测混合注意力机制多变量输入 CNN-BiLSTM预测模型; 在线阅读下载PDF 职称材料

题名基于遗传规划方法的集装箱吞吐量预测被引量：14: 1; 作者乐美龙方奕; 机构上海交通大学船舶与海洋工程学院; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2003年第8期1246-1250,共5页; 文摘在对现有各种预测方法进行简要回顾的基础上 ,对遗传规划方法进行了研究 ,提出了应用于集装箱吞吐量预测的计算模型和相关参数的确定方法 ,并完成了算法设计和编程工作 .在此基础上 ,以宁波港集装箱吞吐量的历史数据为样本 ,开展了预测计算试验 ,找到了能够反映宁波港目前集装箱吞吐量发展规律的样本集 ,并对宁波港未来九年的集装箱吞吐量进行了预报 .结果表明 ,本算法合理、改良自动化程度高 ,为解决集装箱吞吐量等非线性系统预测提供了一条新的途径 .; 关键词遗传规划预测方法非线性映射集装箱吞吐量预测; Keywords Distribution of goods Flowcharting Genetic algorithms Mapping Nonlinear systems; 分类号 U169.1 [交通运输工程]; 在线阅读下载PDF 职称材料

题名基于多变量LSTM模型的青岛港集装箱吞吐量预测被引量：8: 2; 作者王凤武张晓博吉哲王乐; 机构大连海事大学航海学院; 出处《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第10期54-61,共8页; 基金交通运输部北海救助局基金项目(80716025)。; 文摘为了更加科学准确地对港口集装箱吞吐量进行预测,以深度学习方法中的长短时记忆网络(LSTM)模型为基础,建立一种多变量输入的LSTM模型。首先使用系统聚类法对青岛港集装箱吞吐量的多种影响因素进行聚类分析,根据普尔逊(Pearson)相关系数计算值选取典型影响因素,其次结合历史集装箱吞吐量数据作为多变量输入到模型中进行预测,并将预测结果与单变量LSTM模型和传统预测模型(ARIMA模型)的预测结果进行比较。结果表明:使用影响因素及历史吞吐量数据作为多变量输入的LSTM模型预测误差减小,平均绝对百分比误差(MAPE)降低到4.170%,均方根误差(RMSE)降低到7.736,预测值更加精确。该模型提高了预测的科学性与准确性,促进深度学习技术在港口集装箱吞吐量预测方面的应用,可为港口的合理决策与规划提供参考。; 关键词交通运输工程水路运输系统聚类多变量 LSTM模型青岛港集装箱吞吐量预测; Keywords traffic and transportation engineering water transportation hierarchical clustering multivariate LSTM model Qingdao port container throughput forecast; 分类号 U691.71 [交通运输工程—港口、海岸及近海工程]; 在线阅读下载PDF 职称材料

题名基于优化变分模态分解和核极限学习机的集装箱吞吐量预测被引量：1: 3; 作者张丰婷杨菊花任金荟金坤; 机构兰州交通大学交通运输学院中国铁路兰州局集团有限公司兰州货运中心安全生产部; 出处《计算机应用》 CSCD 北大核心 2022年第8期2333-2342,共10页; 基金甘肃省自然科学基金资助项目(21JR7RA287) 甘肃省教育厅“双一流”科研重点项目(GSSYLXM-04)。; 文摘针对港口集装箱吞吐量数据的复杂性特征,提出基于优化变分模态分解(OVMD)和核极限学习机(KELM)的集装箱吞吐量短期混合预测模型。首先,用汉佩尔辨识法(HI)剔除原始时间序列中的异常值,并把预处理之后的序列通过OVMD分解为多个特征明显的子模态。然后,为提高预测效率,将分解后的子模态按照样本熵(SE)值的大小分成高频低幅、中频中幅和低频高幅三类;同时,借助KELM中携带的小波、高斯和线性核函数捕捉具有不同特征子模态的趋势。最后,把所有子模态的预测结果线性相加得到最终的预测结果。以深圳港的月度集装箱吞吐量数据为样本进行实验,所提模型的平均绝对误差(MAE)达到0.9149,平均绝对百分比误差(MAPE)达到0.199%,均方根误差(RMSE)达到7.8860,决定系数(R2)为0.9944。与四种对比模型相比,所提出的模型在预测精度和效率上都具有一定的优势,同时克服了传统互补集成经验模态分解(CEEMD)和集成经验模态分解(EEMD)中容易出现的模态混叠问题以及极限学习机(ELM)中存在过拟合等问题,具有一定的实际应用潜力。; 关键词集装箱吞吐量预测样本熵变分模态分解核极限学习机分解集成预测模型; Keywords container throughput prediction Sample Entropy(SE) Variational Mode Decomposition(VMD) Kernel Extreme Learning Machine(KELM) decomposition-ensemble prediction model; 分类号 U691.71 [交通运输工程—港口、海岸及近海工程]; 在线阅读下载PDF 职称材料

题名基于因子分析和曲线拟合的集装箱吞吐量预测被引量：1: 4; 作者贾飞跃韩晓龙; 机构上海海事大学物流科学与工程研究院; 出处《上海海事大学学报》北大核心 2019年第2期18-22,共5页; 基金国家自然科学基金(71471110) 上海市科学技术委员会创新项目(16DZ1201402,16040501500) +1 种基金上海海事大学研究生学术新人培育计划(YXR2017014); 文摘为提高集装箱吞吐量的预测精度,提出基于因子分析和曲线拟合的集装箱吞吐量预测模型。以上海港为例,通过因子分析,分析影响集装箱吞吐量的主要因素,筛选出主因子,得到不同年份的综合经济发展值;再运用曲线拟合方法,建立以综合经济发展值为自变量,以集装箱吞吐量为因变量的三次曲线模型;运用自回归积分移动平均(autoregressive integrated moving average,ARIMA)模型预测2016-2020年的综合经济发展值,进而求得2016-2020年上海港集装箱吞吐量预测值。结果表明:该模型的拟合效果和预测精度均较高,可以运用到集装箱吞吐量预测中。给出上海港在国内经济新常态下转型升级的建议。; 关键词自回归积分移动平均(autoregressive integrated MOVING average ARIMA)模型因子分析曲线拟合集装箱吞吐量预测; Keywords autoregressive integrated moving average (ARIMA) model factor analysis curve fitting container throughput prediction; 分类号 U691.71 [交通运输工程—港口、海岸及近海工程]; 在线阅读下载PDF 职称材料

题名基于混合注意力机制的CNN-BiLSTM模型的温州港集装箱吞吐量预测: 5; 作者丁天明高翎嘉; 机构浙江海洋大学船舶与海运学院; 出处《重庆交通大学学报(自然科学版)》 2025年第8期90-98,共9页; 文摘为了更精确地预测港口集装箱吞吐量,提出了一种融合卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的预测模型,并引入多种注意力机制,以全面捕捉数据的全局特征。模型中将影响指标和历史集装箱吞吐量数据结合,作为多变量输入进行预测。结果表明:与传统的LSTM预测模型和CNN-LSTM组合模型相比,该模型的平均绝对百分比误差(M APE)和均方根误差(R MSE)均有所降低,模型拟合度(R 2)显著提高。尤其在数据波动明显的情况下,该模型的预测结果更加精确,有助于港航企业及时调整规划决策与经营策略。; 关键词交通运输工程集装箱吞吐量预测混合注意力机制多变量输入 CNN-BiLSTM预测模型; Keywords traffic and transportation engineering container throughput prediction hybrid attention mechanism multivariate input CNN-BiLSTM prediction model; 分类号 U695.2 [交通运输工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于遗传规划方法的集装箱吞吐量预测	乐美龙方奕	《上海交通大学学报》 EI CAS CSCD 北大核心	2003	14	在线阅读下载PDF 职称材料
2	基于多变量LSTM模型的青岛港集装箱吞吐量预测	王凤武张晓博吉哲王乐	《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
3	基于优化变分模态分解和核极限学习机的集装箱吞吐量预测	张丰婷杨菊花任金荟金坤	《计算机应用》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
4	基于因子分析和曲线拟合的集装箱吞吐量预测	贾飞跃韩晓龙	《上海海事大学学报》北大核心	2019	1	在线阅读下载PDF 职称材料
5	基于混合注意力机制的CNN-BiLSTM模型的温州港集装箱吞吐量预测	丁天明高翎嘉	《重庆交通大学学报(自然科学版)》	2025		在线阅读下载PDF 职称材料