我国港口吞吐量预测方法研究综述
来源:用户上传
作者: 祝 建
对目前预测港口吞吐量的方法进行了总结和比较后,指出在实际预测工作中,还要根据预测进行时间以及港口的内、外部具体情况,选择合适的港口吞吐量预测方国民经济的发展不仅给港口的建设带来了新的机遇,也对港口的规划提出了新的要求。而港口吞吐量是港口发展战略研究的重要内容,正确地预测港口吞吐量对于合理科学的港口布局、投资规模、营运策略以及综合运输规划都是十分重要的。由于港口吞吐量受到政治、经济、自然条件等许多因素的影响,故虽然目前已有许多学者提出了各种关于预测港口吞吐量的方法,但对港口吞吐量的预测至今还未形成一种普遍通用的方法。本文将从方法论的角度,对现有研究港口吞吐量预测方法的文献进行系统性地梳理、总结和评论。
目前预测港口吞吐量的方法,归纳起来主要有两类:定性与定量。定性预测法主要是利用历史资料,并依靠个人的经验、知识和分析能力,对未来的发展状况进行预测;而定量分析法则主要是根据历史统计数据,通过用数理统计方法建立起来的模型来预测未来的状况。由于定量预测比定性预测更客观和细致,故本文以下将在介绍定性预测和定量预测的基础上,着重对定量预测方法进行详细的分类和介绍:
定性预测
定性预测法指预测者通过调查研究、了解实际情况,凭自己的实践经验和理论、业务水平,对经济现象发展前景的性质、方向和程度作出判断、进行预测的方法,也称判断预测和调研预测。对港口吞吐量的定性预测方法主要包括德尔菲法、货源调查法等,其主要适用于某些缺乏历史资料的新建港口和因吞吐量的影响因素复杂多变而难以用数学方法加以表达和解决的情况下,邀请一批富有经验的专家学者,对港口进行实地考察,在反复研究后独立发表意见,在此基础上归纳各方的分析成果,对港口未来的吞吐量作出判断和预测。虽然定性预测法具有综合性强、所需数据少、简便易行等特点,但由于定性预测存在预测过程主观性强、预测结果不够细致等缺陷,故现有的大多文献都把焦点集中于定量预测上。
定量预测
定量预测法是指根据准确、及时、系统、全面的调查统计资料和经济信息,通过运用统计方法和数学模型对港口未来的发展规模、水平、速度等变量进行预测,因其与统计密切相关,又称为统计预测。根据所采用数学方法的不同,港口吞吐量的定量预测方法可分为三类:时间序列法、因果分析法和组合预测法。
1 .时间序列法
时间序列法主要是在找出港口货物吞吐量历史数据的变化规律的基础上,建立起数学模型进行预测。此类方法主要包括:移动平均法、指数平滑法、灰色系统法、季节性变化法、自回归法和以时间为自变量的回归分析法等。
如:王红等(1997)在用灰色模型预测法对港口吞吐量进行建模分析和验证比较的基础上,提出了修正灰色模型预测吞吐量的方法。通过比较分析,其认为修正的灰色模型对吞吐量预测的拟合精度较高,适用于港口吞吐量的短期预测。
陈宁等(2005)利用对数二次指数平滑技术法预测港口吞吐量,并得出这种方法比较适用于预测快速成长的港口的吞吐量。
王春燕(2006)针对港口吞吐量预测中由于大量不确定性信息而导致预测结果存在较大误差的问题,引入了盲数理论来对不确定性信息进行处理,实例结果显示此方法克服了传统回归预测方法在处理不确定性信息上存在的缺陷,这使得此方法能在信息量较少的情况下,使预测结果较为可靠。
袁洪春等(2007)针对港口群腹地重叠、货运流向难以模拟等问题,引入改进的概率交通方式预测模型,在此基础上建立了负指数货运量概率预测模型,并对新建港口的吞吐量进行了预测。
2. 因果分析法
因果分析法主要是依据腹地的各种经济指标,找出货物吞吐量与某些指标的相关关系,再根据这些相关经济指标建立起的模型,预测港口吞吐量的未来发展情况。目前这类方法主要有回归分析法、弹性系数法、系统动力学法及神经网络法等。
如:徐国志等(2003)利用Matlab神经网络工具箱,并以进出口总额为影响因子,建立了预测港口集装箱吞吐量的线性神经网络、前向人工神经网络和径向神经网络模型。
欧轶(2003)通过对不同的货种进行各自不同的直接腹地范围划分,并以不同货种各自直接腹地范围为基础预测港口吞吐量,实例结果显示此方法比不分腹地的情况更具可信度,其同时指出应将港口吞吐量分为“动态量”和“基本量”两部分。
郭媚(2004)综合了GDP、运力大小、外贸量和港口条件等多种因素,对某港口的吞吐量建立起了多元回归模型进行预测,结果显示因自变量个数的增加而使得多元回归模型比二元回归模型对港口吞吐量的预测具有更高的可信度。
卢少华(2006)应用遗传算法,从吞吐量历史数据、吞吐量与GDP的关系这两个角度对中国沿海港口的总吞吐量进行了预测。
张萍等(2006)发现将系统动力学方法运用于对港口吞吐量的预测中可以较好地解决传统预测方法中自变量不足的问题,在对港口系统主要因素及因果关系分析的基础上,建立起港口吞吐需求量及供给量的系统动力学模型,并采用南京港各相关统计数据对模型进行了仿真和验证,结果证明该模型可行。
3.组合预测法
组合预测法并不是直接利用历史和现时数据建模,而是将已建立的各单项预测模型进行恰当的组合来获取预测港口吞吐量的最优值。
如:谢成立等(2006)把灰色预测理论和趋势曲线预测理论相结合,提出了灰色趋势曲线组合预测模型,并运用该模型对安徽某港口的吞吐量进行了预测,结果显示该模型即降低了预测难度,又在一定程度上克服了灰色预期模型在进行长期预测常出现结果偏大的缺陷。
齐兴敏等(2006)有机地结合了遗传算法和人工神经网络的特点,提出了基于GA-BP神经网络的沿海港口吞吐量预测模型,并将预测结果与一般BP神经网络做比较,结果显示该模型比一般BP神经网络模型具有更高的预测精度。
朱超(2006)按照“误差平方和最小”的准则把移动平均法和GM(1,1)模型组合起来,对某港口的港口吞吐量进行了预测,结果显示此方法的均方百分比误差最小,预测精度较高。
高尚等(2007)在对传统的两个线性组合预测模型进行研究的基础上,提出了支持向量机非线性组合预测模型。并以青岛港历年集装箱吞吐量为例,把该模型与单一预测方法、线性组合预测进行了对比,结果显示支持向量机非线性的组合预测方法最为精确。
张浩(2007)通过比较某港集装箱吞吐量实际值与多种模型预测值之间的差异,在分析了差异产生的原因及单一预测模型局限性的基础上,提出了基于最优线性组合的港口集装箱吞吐量预测法,即以原各单项预测模型的预测值为外生变量,以方差绝对值加权和最小为最优准则,建立线性组合预测模型。
刘启文等(2008)以某港集装箱吞吐量数据为例,建立了灰色理论、三次指数平滑、三次多项式等预测模型,并在MATLAB下对比该港集装箱吞吐量各模型预测拟合值与实际值的差异,分析了差异产生的原因及其单一预测模型的局限性,提出了港口集装箱吞吐量组合预测法,并指出此方法可以降低预测误差。
马锡超等(2009)根据港口集装箱吞吐量的历史数据,分别利用三次指数平滑法、灰色GM(1,1)模型以及组合预测方法对集装箱吞吐量进行探讨,结果表明组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值都小于单独用三次指数平滑法或GM(1,1)模型时的平均绝对误差、平均相对误差绝对值,达到了最优的精度等级。
评述
由于航运自身所具有的特性,采用上述三类方法预测吞吐量时,需要注意其适用的范围和条件。对于时间序列法,由于其只考虑了港口吞吐量自身的历史变化趋势,并根据这种变化趋势做时间上的外推,而并未考虑到影响这种变化趋势的诸多外部因素,因此当港口吞吐量的影响因素出现较大的变化时,预测结果必然会出现很大的误差。另外,这类方法根据对港口的历史数据作时间上外推的技术对港口吞吐量的短期预测是可行的,但对中、长期预测其精度会降低。对于因果分析法,由于其考虑到了与吞吐量有关的诸多腹地社会经济指标,相对来说较时间序列法有一定的优越性,但如果在预测过程中不做到细致研究港口吞吐量的变化规律和影响因素,并根据港口的具体情况取舍相关影响因素建立模型,此类方法也将因为变量选取的不当而难以取得较好的预测效果。对于组合预测法,由于其从整个经济系统出发,考虑到任一变量都会受到许多外界因素的干扰,这使得任一单项预测模型所虑及的影响因素必然有片面之处,故很难用一个单项预测模型对港口吞吐量变化的趋势拟合得足够紧密,并对其变动的原因做出一致解释,而当将这若干单项预测模型组合在一起时,其所包含的影响因素的范围将得到很大程度上的扩张,这就使得相对任一单项预测模型,组合预测模型的预测精度得到了提高。但组合预测法在到底选取哪两种或几种单项预测模型进行组合时,存在着一定的主观性和随机性,这使得此类方法在实际应用也遇到了一定的障碍。
综述所述,虽然目前已经有许多文献分别提出了各种关于预测港口吞吐量的方法,但对港口吞吐量的预测至今还未形成一种普遍通用的方法。在实际港口预测工作中,我们还得要综合根据预测进行时间以及具体港口的外部和内部情况,进行港口吞吐量预测方法的选择。而纵观所有这些方法存在缺陷的一个共同原因在于未能够对影响港口吞吐量的诸多因素进行全面并且动态的研究,这直接造成了这些预测方法在选择变量时的主观性和随机性,鉴于此,对港口吞吐量影响因素的研究就成了一个必要且紧迫的课题。(作者单位:上海海事大学)法。
转载注明来源:https://www.xzbu.com/2/view-533740.htm
