基于多变量LSTM模型的青岛港集装箱吞吐量预测

作     者：王凤武 张晓博 吉哲 王乐 WANG Fengwu;ZHANG Xiaobo;JI Zhe;WANG Le

作者机构：大连海事大学航海学院辽宁大连116026 

出 版 物：《重庆交通大学学报（自然科学版）》 (Journal of Chongqing Jiaotong University(Natural Science))

年 卷 期：2022年第41卷第10期

页      面：54-61页

学科分类：081505[工学-港口、海岸及近海工程] 08[工学] 0815[工学-水利工程] 

基　　金：交通运输部北海救助局基金项目(80716025) 

主　　题：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 

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。