改进天牛须搜索优化神经网络的港口货运量预测

廖列法, 欧阳宗英

(江西理工大学信息工程学院, 赣州 341000)

近年来中国进出口贸易加快发展,而港口作为贸易重要枢纽之一、全球贸易的重要设施以及国际物流链上的重要节点[1],其战略地位和作用不言而喻。作为全球资源配置的重要手段,港口物流大大加快经济全球化和贸易一体化的进程,并且极大地促进了港口腹地经济快速增长和腹地贸易扩张。港口货运量预测对港口的建设发展具有极其重要的意义。科学且有效地预测港口货运量,能为港口和其腹地城市经济的发展提供有利的决策信息,从而正确指导港口规划建设和引导其进一步发展转型。因此，对港口货运量进行精准预测成为中外学者的研究热点。

目前,中外学者对港口货运量预测进行了大量的研究,总结出了一系列有效的预测方法。文献[2]建立基于TEI@I方法论的港口物流货运量模型,对青岛港的集装箱吞吐量进行分析预测。文献[3]利用蝴蝶极限学习机(butterfly extreme learning machine，BELM)技术对从变分模式分解获得的每个组件进行建模和预测,建立基于训练误差序列的BELM预测模型,以预测随后的误差。文献[4]基于7种机器学习算法和小波分析建立了预测模型,对天津港货物吞吐量进行预测。

随着神经网络技术的大力发展,也有许多学者将神经网络技术带入货运量的预测中[5-7]。文献[8]建立了反向传播神经网络模型,来预测上海港和连云港港的集装箱吞吐量,并与灰色模型、三重指数平滑模型和多元线性回归模型进行对比。……