摘 要

港口的集装箱吞吐量受多方面因素影响，比如说港口供求关系、区域经济、口岸本身条件等。并且各种因素之间相互关系相互作用构成了一个复杂的非线性系统，一般来说，非线性系统需要用特定的模型算法来处理，但这种非线性变化也有其内在的规律性。只要能正确认识理解这些因素的变化和内在联系，掌握这些因素变化的规律性，就能选用合适的模型预测出港口的吞吐量。以武汉新港作为研究对象，目前，由于武汉新港腹地经济的迅猛发展、居民消费水平的提高、宏观经济政策调控以及国内外贸易市场情况的变化莫测，使得该港口集装箱吞吐量的预测变得有些难以琢磨，选用已有的定量分析方法进行预测得到的结论与实际数据差距较大。鉴于此，以武汉新港的2009至2016年集装箱吞吐量作为原始数据，首先利用灰色预测模型对未来武汉港的集装箱吞吐量进行科学预测，达到初步处理的目的。针对经典G(1,1)模型在构造过程中的缺陷进行修改，构造了马尔可夫链修正后的模型，减少了原有模型的误差，提高了预测的精度。通用BP神经网络与广义回归神经网络对数据进行预测，最后用灰色神经网络的组合预测，通过后验差比值大小求出各种模型的相关系数，比较各模型精度，最后发现基于组合模型的灰色神经网络最为准确。

关键词：集装箱吞吐量;灰色预测; GM(1，1);BP神经网络;GRNN神经网络

Abstract

Port's container throughput is affected by many factors, such as port supply and demand, regional economy, port itself and so on. and the interaction of various factors constitutes a complex non-linear system, in general, the nonlinear system needs to use a specific model algorithm to deal with, but this non-linear change also has its intrinsic regularity. As long as we can understand the change of these factors and the intrinsic relation correctly, and master the regularity of these factors, we can choose the appropriate model to predict the throughput of the port. Take Wuhan New port as research port. At present, due to the rapid economic development of the hinterland of Wuhan, the increase of residents ' consumption level, the regulation of macroeconomic policies and the unpredictable situation of domestic and foreign trade market, the prediction of container throughput of the port becomes somewhat difficult to be pondered, and the conclusion that the quantitative analysis method has been used to predict the results is In view of this, taking the 2009-2016-year container throughput of Wuhan Xingang as raw data, the paper first uses the grey forecast model to forecast the container throughput of Wuhan port in the future scientifically, and achieves the preliminary processing aim. In order to modify the defects of Classical G (1,1) model in the process of construction, the modified model of Markov chain is constructed, the error of the original model is reduced and the accuracy of prediction is improved. The general BP Neural Network and the generalized regression neural network are used to predict the data, finally, the combination prediction of Grey Neural Network is adopted, the correlation coefficients of various models are obtained through the posterior difference ratio, and the grey Neural network based on the combined model is found to be the most accurate.

Keywords: container throughput; grey prediction; GM (1,1); BP neural network; GRNN Neural Network

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 研究背景 1

1.2 集装箱运输发展 1

1.3 国内港口集装箱运输状况 2

1.4 港口物流需求预测方法 3

1.5 本文基本思路 4

第2章 灰色系统理论与灰色GM(1，1)模型 6

2.1 灰色系统理论 6

2.2 灰色系统基本原理: 6

2.3 GM(1，1)模型的建立 7

2.4 预测典型实例 8

第3章 马尔可模型对灰色模型进行修正 10

3.1马尔可夫链介绍 10

3.2马尔可夫预测模型 10

3.3模型实现与结论 11

第4章 神经网络 13

4.1 神经网络理论基础 13

4.2 神经网络在预测方面的特性 14

4.3 神经网络预测集装箱吞吐量影响因素分析 14

4.4 BP神经网络 15

4.4.1 BP神经网络介绍 15

4.4.2 BP算法 16

4.4.3 BP神经网络的局限性 16

4.4.4 基于BP神经网络的集装箱吞吐量预测 17

4.4.5 灰色BP神经网络预测 18

4.5 广义回归神经网络 19

4.5.1 广义回归神经网络介绍 19

4.5.2 GRNN网络结构 19

4.5.3 GRNN预测模型代码与结果 20

4.6 各模型检验比较 21

第5章 总结 22

参考文献 23

附录 24

致谢 31

第1章 绪论

1.1 研究背景

随着世界经济一体化和贸易全球化进程逐步加快，居民消费水平与消费意识的提高，现代物流业正以超快的速度发展,每天都不一样，而 在物流领域中，港口物流已成为被学者广泛关注的焦点。在贸易自由化的背景下，港口集装箱码头已成为现代物流活动重要节点，在推动区域经济稳步发展、带动临港口岸产业不断增值、城市化建设乃至国民经济持续繁荣方面发挥着越来越显著的作用。港口物流企业作为实际经营管理者，为了实现企业经营目标，一般都会运用先点科学技术、科学管理方法以及其他手段对各种经营活动进行管控。同时根据大格局的需要也越来越重视港口物流发展战略。物流需求量的大小是评价港口运营状况好坏的最重要指标，而其核心是如何较为准确预测未来港口物流需求量。由于港口吞吐量的预测对港口码头的建设、港口物流规划、港口信息系统、港口各项功能扩展各领域都扮演着至关重要的角色，一个准确的预测结果是港口企业在经营管理上成功的第一步，所以物流需求预测作为港口企业发展战略的重要内容，越来越受企业的重视。进一步讨论，对需求量大小进行科学而准确的预测对现代物流业的完善和区域经济的发展都具有着重要意义，进而对一个城市的经济繁荣也有举足轻重的影响。在体现物流需求量大小的各类指标中，总体上可分为两类，一类是关于物流需求规模的指标，比如说运输、包装、分拣、装卸搬运、仓储、流通加工等物流作业量；另一类是有关物流需求的经济性指标，如港口腹地的固定资产投资额、对外贸易总额和港口盈利总额等。在构建理论模型研究分析港口各项问题时，选择合适的指标对物流需求的预测又有着十分重要的影响，在选取物流需求指标时应充分考虑好参考指标的真实性、典型性、普遍性、科学性以及指标数据的可获得性，已经选择了一些可用的指标后，即使通过考据选取合适的指标是否能够正确反映港口物流企业的物流需求水平以及港口未来的发展趋势。在整个指标选取过程中，比较容易发现港口货物吞吐量和港口集装箱吞吐量易于统计，而且能够较好地体现实际的物流需求水平，所以，一般情况下选择这两个指标之一作为物流需求预测研究的对象，在此，选择集装箱吞吐量来进行需求预测。

1.2 集装箱运输发展

自二十世纪八十年代以来，世界各国都将中心聚集在经济建设上，国与国之间交流更为频繁，关系更为密切，这就经济全球化进程逐步加快，在科学领域中不断有新的发现，引领科学技术的飞速发展，国民消费水平不断提高，国际经济贸易迅速扩大，港口货物

吞吐量也随之年年增大，基于实际需要一些资源已经集中在港口集装箱运输方面，使得集装箱运输发展的规模和范围史无前例，达到前所未有的水平。目前，集装箱运输活动范围极广，己经遍及全世界欧州、亚洲、非洲、大洋洲、北美和南美几乎所有国家和地区。在众多的集装箱运输方式中，国际班轮航线最为普遍，集装箱化程度已经达到95%以上，由于发达国家在各方面进展都比较超前，其中美国、英国、德国、法国、日本等居首的发达国家在件杂运输上已经几乎完全实现了集装箱化运输^[1]。而以中国、印度为代表的发展中国家，依然有很大一部分散货运输。

集装箱运输是二十世纪件针对杂货运输方式的一场重大技术变革，将形状规则，并且利润大的货物投入集装箱，使得运输过程中商品护理保存更为高效，损耗极小。集装箱运输发展的背景是：为了满足用户要求并符合政府相关规定，港口企业需要不断革新并提供有创新性的服务，最大效率的情况下满足客户需求。在整个物流环节中，供给端各环节应预先计划配置，各要素需要合理布局，相互协调，共同发展，有效利用，实现伙伴之间互利共赢。

1.3国内港口集装箱运输状况

随着国际大环境的影响、国内产业结构的变化、“一带一路”战略的施行和中部大崛起计划，各国都在从新的商业模式与发展理念中谋求商机,我国在集装箱运输方面面临着更多地机遇和更大的挑战，在新的时代下对港口企业提出了新的要求，企业只有不断完善自身，才能生存下来。集装箱运输作为港口最重要的物流活动，正呈现持续高速发展的趋势。进而促进集装箱运输业的高速发展，在这欣欣向荣的经济背景下，集装箱港口作为集装箱运输网络中一个重要组成部分，受到政府的重视与投入，也得到大规模的发展。随着我国经济的不断发展，各产业生产总值的持续提高，中国将以更开放的市场面向世界，经济贸易量将越来越大，集装箱吞吐量和货物吞吐量也将迅猛增长^[2]。为了更加明确的了解我国集装箱运输的发展动力以及整个活动过程。通常分析我国集装箱运输发展的趋势，这一过程是有些复杂并且难以准确量化评估，它需要分别对港口建设历程、发展现状、近期规划、港口发展一般特征做出实际调查并且研究分析。一般选择较为明确的调查目标，其特性为可用数据进行量化，因此选择内河港口集装箱吞吐量作为研究目标样本，除了对我国港口集装箱吞吐量进行综合分析预测的，还可采用外贸集装箱生成量预测方法、货物吞吐量比较法和多种经济模型预测方法，通过合理的预测结果对港口企业提出可行的发展对策及有效建议。再由相关部门对合理化建议的分析和改进， 制定政策与未来规划，这需要对未来集装箱运输的发展需求所进行的准确预测和科学规划。“十二五”期间，随着国际局势的微妙变化和“一带一路”战略的施行和中部大崛起计划等都将对我国集装箱运输带来了更加广阔的发展空间，各行各业都有机会从这些国际化的发展战略中分一杯羹，实现自身利益最大化，新的契机之下，我国港口集装箱运输发展中一定会出现的新情况、新需求、新方案，这就为科学理解其发展趋势带来曙光，只有正确认识、了解、分析、计划、决策，并采取相应的措施应对可能出现的问题，才能使企业更好运营，作为国家经济贸易门户的港口，更有责任将未知问题研究透彻。

目前，各大港口之间的竞争日益激烈，评价港口运营状况的因子有许多,出于量化的需要,以集装箱吞吐量大小作为核心指标来评估港口企业的综合竞争力^[3]，对未来需求量的预测固然是最根本的一步。港口主管部门科学规划和决策的首要任务是对港口集装箱吞吐量进行科学预测，一个准确的预测结果决定了资源的利用率，进而又影响企业的经营情况，因为物流需求量预测对港口基础设施投资规模，港口建设，港口发展目标，经营策略以及港口企业长期战略等都有直接的影响，是基础，也是不可或缺的重要依据,因此，做好需求预测是成功的第一步。

1.4 港口物流需求预测方法

国内外物流需求预测的方法有很多，而实际上港口集装箱吞吐量深受政治、文化、经济市场、军事、自然条件、人为措施等诸多因素的影响，一般被广大研究者所报告的是集装箱吞吐量数值是一组随机波动的时间序列。为了全面而详细的探究其数据预测，了解其中的隐含关系，就必须构建相关的系统预测模型，而集装箱吞吐量预测系统是一个复杂多变而又难以琢磨的系统，目前依然无法实现数据系统化处理，也没有一种普遍通用的方法来克服现今的瓶颈。尽管如今400多种预测方法已被提出，但只有十几种比较常用。当需要对港口的某些要素或某些状况进行分析时，需要涉及到系统预测，而港口集装箱吞吐量的预测方法可以由一般预测方法构建相应模型而得，由于方法众多，需要细致选择，总体上预测可分为定性与定量两类。定性分析法主要是利用历史资料、依靠个人的经验知识和综合分析能力^[3]，一方面从已有信息中提取要素，构建基本的输入样本和模型结构，另一方面通关大致的逻辑思路和指导准则对未来的发展状况进行分析预测，其结果往往具有不确定性，不同研究者用相同方法可能会得到差异较大的结果；定量分析法主要是根据确切的历史统计数据和已有的现实资料，应用数理统计方法建立各种模型来预测事物发展的未来状况，其结果一般是确定的，具有普遍性。定量分析法比定性分析法更加精确入微，而且备受众多学者的青睐，在解决社会中存在的系统性问题时，由于定量分析模型并不是非常适合现实中错综复杂的研究系统，许多相关因素无法实现具体量化，所以定量模型往往难以全面反映复杂的社会经济系统的各个方面，而定性分析模型可以弥补此不足，在不能量化的因素上构建起其逻辑关系结构。因此在实际运用中，为了更加有效的解决问题，一般将定量预测结合定性分析，促使理论模型与实际系统更为贴切，使得最终可以得到满意解，又能获得较好的预测结果。

港口预测方法最为常见的有移动加权平均法、指数平滑法、指数曲线拟和法、线性回归法、非线性回归法、灰色系统预测法等等，随着科学技术的不断发展，新思想新发现不断被研究者提出，最近又在各种新技术新发现新思想中获得了新的预测方法，比如说，动态BP神经网络预测、马尔可夫链预测、RBF神经网络、基于灰色系统与神经网络的组合预测、遗传基因预测、小波分析预测、贝叶斯预测等^[4]。这些预测方法中，属灰色系统理论运用得最多，同时，它也是选择组合预测模型的首要方法。灰色预测模型是针对一些受众多因素影响，但又无法确定其盘根错节关系的系统要素，也无法理清其中内部关系量的具体关系。由于难以寻找目标要素和影响因子的一般关系，所以灰色系统通常通过运用预测对象自身的时间序列建立模型，寻求时间数据列的一般内在规律，又将规律一定程度上引申，并对一些未来时间段数据进行预测，得到预测结果，并可以检验自身精度。

对于影响因素多、历史数据少、可获得性较难、局部未知的样本，灰色预测模型无疑是一种非常理想的预测方法。当选择预测模型时，其中GM(1，1)预测模型优点在于所需数据量很少、计算方法简单、结果运行快，并且拥有逻辑思路明确以及可用于短、中、长期预测的特点，然而仅仅用灰色预测又显然不足，因此需要选择另外一种方法和其进行互补，生成组合预测模型，达到预测精度的高，可靠性强的要求。在诸多方法中，选择神经网络预测模型最合适不过，神经网络具有的自学习、非线性映射强以及各层并行分布处理的优点，也有超强的数据逼近能力，弥补灰色系统理论难以处理不规则数据列的缺陷。将两者结合，可避免各自的局限性，实现预测模型多样化高效化，从而达到提高港口集装箱吞吐量预测精度的目的,如此一来，对港口运营建设进行有效的指导。

灰色预测模型的针对对象是那些受众多因素影响，但又无法确定其内部具体关系的问题，港口集装箱吞吐量的影响因素众多并且参差不齐，在选择合适的输入样本时，量化各种影响因子存在一定困难，即便是选择了合适的样本，拥有标准的评价体系，灰色预测模型如GM(1，1)能以较短的时间序列得到的结果具有较高的预测精度，但事实上现实数据都具有各自的不确定性，对于数据繁多并且变化十分大数据关系太太明显的问题时，其不准确性与不确定性会进一步放大，导致预测结果难以求出或求得不准确，因此，仍然有待对预测模型进行深度的改进与优化。鉴于此，根据灰色预测模型的特点， 将神经网络预测模型和灰色系统理论相结合来，发挥各自的优点，以此来达到精准预测的目的。

1.5 本文基本思路

本论文系统阐述了国内外一些关于港口吞吐量需求量预测的有效方法，并在此基础上，针对影响港口吞吐量大小的相关因素进行分析，确定以湖北省的第一、二、三产业为影响因素，通过灰色神经网络预测模型来预测武汉新港未来港口吞吐量，利用matlab软件实现算法，并且与简单预测方法进行比较，获得最优预测值，与此同时,在灰色预测基础上使用马尔可夫模型对其进行修正,又通过各种预测结果后验差比值,分析与其他简单预测方法之间的差异，得出最后结论。

灰色预测理论针对港口集装箱吞吐量形成因素复杂，根据部分影响因子已知，部分影响因子未知的特点，可建立关于自身时间序列的预测模型，本文先通过以武汉新港2009年—2016年集装箱吞吐量为研究目标来建立一个能够表达信息发展过程的GM（1,1）模型，该模型可对2017与2018年吞吐量做出预测，从一定程度上揭示未来发展规律。灰色预测模型也有其缺陷，对信息处理能力较简单，控制效果并不太明显，难以控制预测误差，因此，先通过马尔可夫模型对灰色预测后的样本进行修正，使其更精确的接近原始值，并比较分析其差异。人工神经网络预测模型因为复杂而高效的数据处理方法，其中BP神经网络自带反向校验并且对权值阈值不断修正，以此得到适合的系数，在一定条件下能够任意逼近预测模型，所以预测精度非常高，其应用十分广泛。本文中将灰色预测理论和神经网络相结合，构建两种灰色神经网络组合模型（灰色BP与灰色GRNN），构成灰色神经网络（gray neural network，GNN）预测模型对港口集装箱吞吐量进行预测，两者优势的结合，提高预测精度^{5}，但有时并未体现其更加精确。此外使用另外一种常用的神经网络对数据进行预测，也可以较为准确的预测原始序列，这种神经网络是广义回归神经网络（GRNN）。

第2章 灰色系统理论与灰色GM(1，1)模型

2.1.灰色系统理论

灰色系统理论(Grey System Theory)是在上20世纪80 年代初期，由华中理工大学控制科学与工程系邓聚龙教授所提出并创立的一套新系统理论。灰色系统理论的研究对象是“一些信息已知，一些信息未知”的“小样本”、”少数据”、“贫信息”不确定性系统^[6]。其研究过程需要不断检验自身的可行性，来解决少数据、小样本、信息不完全和缺少经验的不确定性问题。在研究港口物流需求时，会发现也存在诸多不确定因素，而影响港口集装箱吞吐量的因素很多，灰色系统理论解释其模型，通过小量数据、不完全的信息，进行初步观察处理，创建灰色微分预测模型，实现对事物发展规律作出模糊性的长期描述^[7]。在这一复杂的研究过程中，模糊预测是其中最有代表性的方法，美国学者l.a.zadeh教授又创立了模糊集合论，不同凡响，为模糊预测理论与方法的深入研究奠定了坚实理论基础^[8]。它用简捷方法处理复杂系统以实现困难问题简单化，将一个复杂的系统分解为多个简单的子系统，分别求解。美国科学家帕卡德和他的同事基于混沌和生物进化理论，借助计算机的各种优点，并通过多年研究尝试，终于成功以图形的各种变化形式来描述金融市场所存在的一些混沌现象。对于众多的理论模型，该教授采用特有的遗传算法来处理数据，其核心是，计算机以不断设定新的假设环境为前提，在在计算过程中能够选择有效的环境，从而使学习算法更具有适应性。分析各种模型的之后找出哪个模型最适用于分析当前和未来的数据。

2.2.灰色系统基本原理:

（1）差异信息原理