基于二次分解和模型选择策略的港口集装箱吞吐量组合预测

作     者：梁小珍 赵欣 杨明歌 吴俊峰 邓天虎 田歆 Liang Xiaozhen;Zhao Xin;Yang Mingge;Wu Junfeng;Deng Tianhu;Tian Xin

作者机构：上海大学管理学院上海200444 上海文景信息科技有限公司上海200126 清华大学工业工程系北京100084 中国科学院大学经济与管理学院北京100190 中国科学院虚拟经济与数据科学研究中心北京100190 

出 版 物：《管理评论》 (Management Review)

年 卷 期：2024年第36卷第8期

页      面：52-64页

核心收录：

学科分类：12[管理学] 0202[经济学-应用经济学] 02[经济学] 081505[工学-港口、海岸及近海工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 08[工学] 082303[工学-交通运输规划与管理] 0815[工学-水利工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(71701122 11801352 72172145 71932002) 北京市自然科学基金项目(9212020) 中央高校基本科研业务费专项资金 

主　　题：集装箱吞吐量预测 二次分解 数据特征分析 模型选择 组合预测 

摘      要：准确预测港口集装箱吞吐量对于政府部门规划港口建设,港口和航运企业合理调配资源具有重要意义。已往研究往往采用单一分解方法来处理序列中的复杂特征,存在数据特征提取不完全以及预测模型选择比较盲目的问题,极大地影响了组合模型的预测效果。为此,本文引入二次分解和基于数据特征的模型选择策略,通过建立组合预测框架对港口集装箱吞吐量进行预测。首先,根据原始序列的整体特征选择一种分解方法对其进行初步分解,得到若干分量。然后,分析各分量的平稳性、季节性及复杂性等数据特征,据此选择合适的计量经济学模型进行预测或采用完全自适应噪声集合经验模态分解(CEEMDAN)方法对分量进行二次分解。接着,引入长程相关性特征,根据二次分解后子序列的平稳性、复杂性、长程相关性等再选择合适的预测模型。最后,将所有分量的预测结果集成从而得到最终的预测值。以月度预测为例,本文选取上海港和天津港集装箱吞吐量数据作为样本开展实证研究。实证结果表明,本文所提出的组合预测框架与基准模型相比具有更高的预测精度,是一种比较有前景的港口集装箱吞吐量预测工具,可以为相关政府部门、港口及航运企业提供决策参考。