论文部分内容阅读
进入21世纪以来,经济全球化进展飞快,已经深入影响到生产业与运输业的发展,区域经济一体化随势发展,港口作为重要经济交通枢纽,其中心战略地位与日凸显。任何地区与国家经济发展皆以港口作为重要依托。在“一带一路”的倡议下,港口优化建设成为重中之重。因此,为了使港口建设可以精准服务于当前市场的需求,准确地预测港口的吞吐量对于提高港口货运效率和经济效益具有非常重要的实践意义,对规划我国的海运产业发展布局有着不可替代的重要意义。本文主要内容如下:首先,介绍了蚁群算法的起源和基本思想,借用TSP(Travelling salesman problem,旅行商问题)对于蚁群算法进行详细的步骤梳理,之后对于蚁群算法的优点以及应用状况进行了简单的描述。再次,由于SVR(Support Vactor Regerssion,支持向量回归机)对于小样本拥有优秀的回归能力,所以本文选取SVR作为预测模型。为了使预测精度更高,本文构建了基于蚁群优化算法的SVR模型,即利用蚁群算法对SVR的gamma参数进行寻优,并对于SVR的其他参数选择进行了详细介绍。最后,选择宁波舟山港港口的集装箱吞吐量月数据(2003年3月至2018年7月)来进行实证分析,将2003年3月至2018年1月的数据作为训练集来预测未来6个月的港口集装箱吞吐量。先将数据进行预处理,之后用python语言对模型进行建模,同时本文也对其他的预测模型做了验证,将该模型与SVR模型、ARIMA模型、GM(1,1)模型、贝叶斯优化的SVR模型这4种模型进行预测结果对比和分析,结果证明本文构建的基于蚁群优化的SVR模型的预测结果精度更高,为港口建设进一步提供了理论基础。