| 标题 | 基于组合模型预测法的广州港集装箱吞吐量预测 |
| 范文 | 陈浩 【摘 要】 为弥补单一模型预测方法的不足，以广州港集装箱吞吐量历史数据为依据，分析集装箱吞吐量的主要影响因素，分别采用时间序列模型、Eviews多元线性回归模型对2018―2022年广州港的集装箱吞吐量进行预测。比较组合加权方法对预测结果的预测，结果表明：组合模型预测法能够提高预测的准确性，减小预测误差。 【关键词】 广州港；集装箱吞吐量；时间序列；多元线性回归模型；组合预测 0 引 言 随着“十三五”规划的实施以及“一带一路”倡议的推广，港口集装箱业务发展将迎来黄金时期，广州港集装箱吞吐量在2017年首次突破万TEU。广州港是华南地区集装箱枢纽港，准确预测其集装箱吞吐量有着重大的研究意义。 目前大多数学者在港口吞吐量预测中主要采用定性和定量两种方法，其中定量预测法主要包括时间序列趋势外推、多元线性回归分析、灰色预测、指数平滑和弹性系数等。沈旻[1]采用三次指数平滑法和灰色预测法GM（1，1）进行了吞吐量预测；高凤姣等[2]建立两个不同的多元线性回归模型分别对上海港集装箱吞吐量进行预测；朱小檬等[3]采用时间序列与因果关系结合法进行吞吐量中长期预测；刘长俭等[4]认为时间序列法宜采用近期历史数据进行短期预测较为准确。 本文分别采用时间序列模型和Eviews多元线性回归模型对广州港集装箱吞吐量进行预测。根据两种预测模型的特点，利用平均加权法对两种模型进行组合预测，弥补单一预测方法的不足，使得预测结果更加接近实际发生量。 1 基于时间序列的预测 1.1 模型的选择与分析 時间序列法在总结事物的过去和现在的发展规律基础上，利用趋势外推法预测未来事物的发展趋势。根据资料统计，近年广州港集装箱吞吐量呈整体稳定的发展趋势，在“十三五”期间腹地经济结构基本不变、经济平稳增长的环境下，利用时间序列法的基本假设成立，时间序列法对中短期内集装箱吞吐量的预测较为理想。 为了初步确定时间序列与历年吞吐量是否符合线性相关，对2011―2016年广州港集装箱吞吐量数据（见表1）作散点分析（见图1）。结果表明，近年广州港集装箱吞吐量呈近似的线性增长趋势。 从图1可以看出，2011―2016年广州港集装箱吞吐量总体保持增长趋势，可近似认为保持线性增长趋势，符合基于时间序列法对近期广州港集装箱吞吐量的预测。 1.2 建立模型 1.2.1 线性趋势外推模型 将时间序列观察值分为t个，依次为（x1，y1），（x2，y2），…，（xt，yt）。设yi （i=1，2，…，t）为第i期的实际集装箱吞吐量，yi为第i期的预测集装箱吞吐量，xi为第i期的时间序列值。利用直线拟合法的相关原理建立如下模型： 1.2.2 确立集装箱吞吐量线性趋势外推模型 根据表1和模型（1），估算广州港集装箱吞吐量与时间序列数据之间的参数，建立如下模型： yi=95.99 xi 191 670（2） 通过模型推算出决定系数R2=0.970 8>0.95，再对模型结果进行检验，对应参数a、b的标准差分别为16 774.33、8.330 9，对应参数a、b的估计值分别为 11.426 40、11.522 98。计算结果均符合F分布、t分布的对应值，模型检验通过。 1.2.3 模型预测误差分析 根据模型（2）和表1，可以对2011―2016年广州集装箱吞吐量进行预测。比较历史数据与预测结果可以发现，确立的趋势外推模型能够较准确地对吞吐量进行预测，预测出的误差值均控制在4%以内，保持了较高的精确度。 1.2.4 预测值 利用时间序列模型可对2018―2022年广州港集装箱吞吐量进行预测，具体预测结果见表3。 2 Eview多元线性回归模型 2.1 建立多元线性回归模型 分析多元线性回归模型须找出有关影响港口集装箱吞吐量的主要因素，即通过主要影响因子对因变量进行预测。筛选出3个主要影响港口集装箱吞吐量的因子，分别是地区GDP、外贸进出口额、社会消费品零售额等。针对以上分析构建多元线性回归模型： 2.2 统计数据来源 2011―2016年广州港各主要影响因子统计数据见表4。 2.3 集装箱吞吐量预测模型 根据表4，结合模型（3）的有关原理，构建出吞吐量与地区GDP、外贸进出口额、社会消费品零售额之间的多元线性回归模型。利用计量经济学统计软件Eviews可以分别得到多元线性回归模型参数 0、 1、 2、 3。 利用Eviews软件计算各参数的输出结果，得到集装箱吞吐量预测模型的具体形式为 2.4 多元线性回归模型检验 多元线性回归模型的校正决定系数R2为，非常接近1，说明拟合度很高；对回归模型的参数进行显著性检验， 0、 1、 2、 3的检验结果分别为 3.661 25、4.710 6、5.722 9、 3.395 5，对变量m1、m2、m3的作用显著，建立的多元线性回归模型通过检验。 2.5 预测结果 根据《广州市国民经济和社会发展第十三个五年规划纲要（2016―2020年）》的目标值，到2020年广州市GDP、外贸进出口额、社会消费品零售额将分别达到26 000亿元、11 500亿元、11 600亿元，从而确定各影响因素的年均增长率分别为7.5%、6.7%、7.9%。 根据模型（4），结合各影响因素的年均增长率，可得到多元线性回归模型的预测值，见表5。 3 组合模型的建立与分析 3.1 确定组合模型预测方法 单一的预测模型通常存在局限性，往往会出现偏差。采用组合模型预测方法可以弥补单一模型预测方法的不足，提高预测结果的准确性。因此，根据上述基于时间序列的趋势外推模型与多元线性回归模型建立组合预测方法，对广州港集装箱吞吐量进行预测。 3.2 建立组合预测模型 基于时间序列的趋势外推模型与多元线性回归模型是从不同角度对港口集装箱吞吐量进行预测的，由于两种模型的预测结果各有优缺点，因此在组合预测中对以上两种预测模型采用平均分配各占50%权重的方法，对广州港集装箱吞吐量进行预测研究。 3.3 结果分析 2017年广州港实际完成集装箱吞吐量为2 037万TEU，到2020年广州港集装箱吞吐量目标值为2 500万TEU。2017年、2020年集裝箱吞吐量综合预测值见表6。 对比分析2017、2020年广州港集装箱吞吐量的实际发生值、规划值与组合预测值可以发现，组合预测方法更加科学合理。虽然采用组合预测方法会增加预测的复杂性和工作量，但通过加权平均处理，并综合以上2种方法的优点，能够得到较为理想的预测效果。 3.4 2018―2022年广州港集装箱吞吐量预测 利用时间序列趋势外推模型、多元线性回归模型及组合预测模型可以分别预测得到2018―2022年广州港集装箱吞吐量，见表7。 4 结 语 组合模型预测法汲取了时间序列趋势外推模型和多元线性回归模型的优点，通过平均加权的方法，弥补了两种预测模型的不足，进一步提高预测精度，较好地预测了2018―2022年广州港集装箱吞吐量的预测值，并得到以下结论： （1）基于时间序列的趋势外推模型是一种简单、高效的集装箱吞吐量预测方法。港口集装箱吞吐量受到当地政策、腹地经济、港口自身条件等多方面条件的影响，因此笔者认为时间序列法对于远期预测可能会出现偏离实际较多的情况。 （2）多元线性回归模型的建立需要从众多影响集装箱吞吐量的因素中筛选自变量。由于筛选影响因子的选取角度存在差异，因而准确找出影响集装箱吞吐量的因子成为提高预测精度的关键，否则将会影响预测结果。 参考文献： [1] 沈旻.港口集装箱吞吐量预测方法若干研究[D].上海：上海海运学院，2001. [2] 高凤姣，石小法.上海港口集装箱吞吐量影响因素分析[J].物流技术，2009（9）：77-80. [3] 朱小檬，栾维新，朱义胜.基于时间序列-因果关系结合法的中国海港集装箱吞吐量中长期预测[J].大连海事大学学报（社会科学版），2014（5）：1-5. [4] 刘长俭，张庆年.基于时间序列BP神经网络的集装箱吞吐量动态预测[J].水运工程，2007（1）：4-7，11. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。