期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于二次分解和算法优化LSTM的港口集装箱吞吐量预测研究
1
作者 王博文 黄逸 +1 位作者 孟铉博 曹添悦 《中国航海》 北大核心 2025年第4期121-131,共11页
准确预测港口集装箱吞吐量对港口航运企业和政府管理部门科学制定决策具有重要意义。目前的研究方法对短历时港口集装箱吞吐量的关注较少,对非线性、非平稳的波动序列的预测准确性有限。本文以上海港集装箱吞吐量为分析与预测对象,研究... 准确预测港口集装箱吞吐量对港口航运企业和政府管理部门科学制定决策具有重要意义。目前的研究方法对短历时港口集装箱吞吐量的关注较少,对非线性、非平稳的波动序列的预测准确性有限。本文以上海港集装箱吞吐量为分析与预测对象,研究提出了基于以相关系数分析为基础的变分模态分解(CCVMD)和季节趋势分解(STL)的二次分解的新型深度学习模型:以相关系数为参照,对原始时间序列进行变分模态分解,在此基础上二次分解为季节项、趋势项和不规则项,并用算法优化的长短期记忆神经网络分别对分解项进行预测,汇总得到最终预测结果。结果表明:在集装箱吞吐量预测中,对数据进行预处理的分解组合模型表现显著优于其他模型;本文提出的模型的平均绝对百分比误差为0.021703,均方根误差百分比为0.026852,平均绝对误差百分比为0.02214,预测整体表现优于其余12种比较模型和既往研究提出的部分模型;二次分解预处理在追踪极值、除噪降噪和可解释性方面更具可靠性。 展开更多
关键词 集装箱吞吐量预测 二次分解 ccvmd STL HHO LSTM 深度学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部