基于RF-双向LSTM的集装箱吞吐量预测

摘要

为提高集装箱吞吐量的预测精度,使其满足港口未来发展需求,提出基于随机森林(random forest,RF)与双向长短期记忆网络(long short-term memory network,LSTM)结合的集装箱吞吐量预测方法(简称RF-双向LSTM)。分别用RF-LSTM、RF-双向LSTM和BP神经网络预测2010—2019年青岛港40个季度的集装箱吞吐量,并对未来2020—2025年青岛港集装箱吞吐量进行预测。结果表明,RF-双向LSTM预测精度最高,其均方根差、平均绝对误差和平均绝对百分比误差分别为2.45、1.17和0.26%,与BP神经网络相比平均绝对百分比误差低了5.35个百分点。本文提出的集装箱吞吐量预测方法可为港口未来发展与规划布局提供决策指导。