重庆交通大学学报(自然科学版)2022，Vol.41Issue(10) ：54-61.DOI:10.3969/j.issn.1674-0696.2022.10.08

基于多变量LSTM模型的青岛港集装箱吞吐量预测

Container Throughput Prediction of Qingdao Port Based on Multivariate LSTM Model

王凤武 张晓博 吉哲 王乐
重庆交通大学学报(自然科学版)2022，Vol.41Issue(10) ：54-61.DOI:10.3969/j.issn.1674-0696.2022.10.08
✕
  • 维普
  • 万方数据

基于多变量LSTM模型的青岛港集装箱吞吐量预测

Container Throughput Prediction of Qingdao Port Based on Multivariate LSTM Model

王凤武 1张晓博 1吉哲 1王乐1
扫码查看

作者信息

  • 1. 大连海事大学航海学院,辽宁大连116026
  • 折叠

摘要

为了更加科学准确地对港口集装箱吞吐量进行预测,以深度学习方法中的长短时记忆网络(LSTM)模型为基础,建立一种多变量输入的LSTM模型.首先使用系统聚类法对青岛港集装箱吞吐量的多种影响因素进行聚类分析,根据普尔逊(Pearson)相关系数计算值选取典型影响因素,其次结合历史集装箱吞吐量数据作为多变量输入到模型中进行预测,并将预测结果与单变量LSTM模型和传统预测模型(ARIMA模型)的预测结果进行比较.结果表明:使用影响因素及历史吞吐量数据作为多变量输入的LSTM模型预测误差减小,平均绝对百分比误差(MAPE)降低到4.170％,均方根误差(RMSE)降低到7.736,预测值更加精确.该模型提高了预测的科学性与准确性,促进深度学习技术在港口集装箱吞吐量预测方面的应用,可为港口的合理决策与规划提供参考.

关键词

交通运输工程/水路运输/系统聚类/多变量/LSTM模型/青岛港/集装箱吞吐量预测

引用本文复制引用

基金项目

出版年

2022
重庆交通大学学报(自然科学版)
重庆交通大学

重庆交通大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.76
ISSN：1674-0696
被引量3
参考文献量10
段落导航相关论文