[發明專利]一種基于改進背景值的GM（1，1）模型的港口吞吐量預測方法

在審

• 申請號: 201810467070.6
• 申請日: 2018-05-16
• 公開（公告）號: CN108665110A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 包旭;張山華;周君;李耘;常綠;夏晶晶;高尚兵;朱勝雪;朱信宇
• 申請（專利權）人: 淮陰工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了一種基于改進背景值的GM(1，1)模型的港口吞吐量預測方法，包括計算港口吞吐量序列X⁽⁰⁾的一次累加序列X⁽¹⁾、構建基于二次牛頓插值逼近的一次累加序列X⁽¹⁾的多項式函數、構建基于X⁽¹⁾的多項式函數的智能梯形、確定智能梯形的背景值核心參數與m、計算GM(1，1)模型背景值并求出參數a和u、得到原始序列的預測值序列以及進行誤差檢驗幾個步驟；具有預測誤差小，預測準確率高，預測效率高，實用性高和應用前景好的特點。

技術領域

本發明屬于數據預測技術領域，具體涉及一種基于改進背景值的GM(1，1)模型的港口吞吐量預測方法。

背景技術

港口吞吐量既是港口企業管理的目標之一，也是港口設施和經營管理水平的綜合性反映。同時，根據吞吐量預測結果可以確定港口通過能力規模，從而使港口設施能較好地滿足未來發展的要求。然而，港口吞吐量預測是一個復雜的過程，它與港口所在腹地的地理位置、經濟狀況、交通條件、自然條件等密切相關，同時也受國家宏觀經濟政策和周邊港口競爭等因素的影響。即找到一種行之有效的港口吞吐量預測方法變的尤為重要。

基于GM(1，1)模型的灰色預測由于所需樣本少、預測精度高已經被廣泛的運用到港口吞吐量預測中，基于GM(1，1)模型的灰色預測的核心在于背景值估算，梯形構建法則是背景值估算的最基本方法。但是傳統梯形構建法只能適應低增長序列，對于其他序列會造成預測結果失真。

目前，現有技術中提出基于非齊次指數擬合與復化梯形構建相結合的背景值估算方法，減小了梯形構建法的誤差，擴大了梯形構建法的適用性；提出利用黎曼積分，以不規則梯形構建代替傳統梯形構建；提出利用拉格朗日插值與變步長梯形算法結合估算背景值，基于梯形步長的變化形成新的背景值估算公式；提出基于拉格朗日插值與復化梯形構建相結合的背景值估算方法；提出利用有理插值和數值積分中的梯形構建及外推法估算背景值；還提出利用三次Bezier基函數插值與復化梯形構建相結合的背景值估算方法。雖然，以上方法能夠通過不同途徑構建梯形，以較高精度估算GM(1，1)模型背景值，但是這些方法使用范圍窄，均只適用于某種特定序列樣本，無法根據不同特性的序列樣本智能調節相關參數提高預測精，從而無法具體應用于港口吞吐量的預測。

發明內容

為解決上述現有技術中存在的技術問題，本發明提供了基于此，本文提出了一種適用于各種數據變化類型的，預測誤差小，預測準確率高，預測效率高，實用性高和應用前景好的基于改進背景值的GM(1，1)模型的港口吞吐量預測方法。

本發明解決其技術問題是通過以下技術方案實現的：

一種基于改進背景值的GM(1，1)模型的港口吞吐量預測方法，包括以下步驟：

步驟S1、將已知年份的港口吞吐量設為x⁽⁰⁾(k)，k＝1,2,...,n，采用X⁽⁰⁾＝{x⁽⁰⁾(1),x⁽⁰⁾(2),···,x⁽⁰⁾(n)}作為港口吞吐量序列X⁽⁰⁾，再將港口吞吐量序列X⁽⁰⁾作為GM(1，1)模型的原始序列，然后計算港口吞吐量序列X⁽⁰⁾的一次累加序列X⁽¹⁾；

步驟S2、構建基于二次牛頓插值逼近的所述步驟S1中的一次累加序列X⁽¹⁾的多項式函數；

步驟S3、構建基于所述步驟S2中得到的一次累加序列X⁽¹⁾的多項式函數的智能梯形；

步驟S4、基于遺傳算法，在染色體的編碼階段，染色體編碼長度ω取20位，再取染色體編碼前10位的二進制編碼表示參數取染色體編碼后10位的二進制編碼表示參數m，將參數與m作為所述步驟S3中得到的智能梯形的背景值核心參數與m；