基于ICAKELM的港口集装箱吞吐量预测模型

摘要

为了提高港口集装箱吞吐量预测的准确性与稳定性,在分析传统分解和集成的优缺点的基础上,提出ICEEMDAN-SE-ARIMA&ICAKELM-IKM预测模型,并将其用于上海港的月集装箱吞吐量预测。该模型首先利用ICEEMDAN分解港口集装箱吞吐量序列并分析其子序列的复杂程度,再使用样本熵检验子序列的复杂程度,分别使用ARIMA和帝国竞争优化核极限学习机(ICAKELM)对子序列进行预测,最后使用ICAKELM将各子序列的预测结果进行非线性集成,得出最终的预测结果。实证结果表明,本文所建立的分解集成人工智能模型预测效果显著优于传统的BP、ARIMA等单一模型,同时对于港口集装箱吞吐量短期预测有较高的准确性。