作　　者： ;

机构地区： 大连海事大学深圳研究院

出　　处： 《计算机仿真》 2014年第6期438-442,共5页

摘　　要： 由于港口吞吐量受多因素影响，随机性强，采用传统单一模型对港口货物吞吐量进行预测往往难以取得精确预测效果。为解决上述问题，建立了可动态调整权重的组合预测模型，根据单一模型预测误差的变化，利用贝叶斯条件后验概率，解决在集成预测中对各单一模型的组合权重设置问题。通过对比多项预测性能评价指标，表明提出的动态集成预测算法预测精度高，体现了集成预测优于单一预测的优势，将为港口货物吞吐量的准确预测提供依据。 It is usually difficult for the prediction effect of local port cargo throughput forecasting model to obtain precise prediction result. A combination forecasting model was established to adjust weights dynamically. According to the error of single model, Bayesian conditional posterior probability was used to set single model weights in integrated prediction. By predicting performance comparative evaluation index, the proposed algorithm has a better pre- diction accuracy, which will provide the basis for accurate prediction of port throughput.

关 键 词： 港口吞吐量 时间序列 预测 动态集成

分 类 号： [TP391.9]

领　　域： []