吞吐量预测

摘要： 吞吐量的准确预测对于港口的发展具有重要意义,传统的单一模型在预测的精度或稳定性上都存在局限性。为提高吞吐量预测精度,引入Stacking算法的思想建立组合模型,并在此基础上提出了利用PCA-BP模型修正Stacking算法误差的误差修正模型;同时以1998-2017年深圳港集装箱吞吐量为实证研究对象,进行了基于BP神经网络和NARX神经网络单一预测模型、误差修正Stacking算法的预测模型及其它组合模型的预测对比分析,结果显示误差修正Stacking算法模型预测精准度最好,验证了模型的可行性,为港口的吞吐量预测提供参考。

摘要： 港口集装箱吞吐量的准确预测对于港口的未来发展规划及该港口所属腹地的经济发展具有重要的指导意义。为实现输入变量的降维,提高预测精度,避免出现局部最优解,借助灰色关联分析对输入变量进行筛选和排序,引入遗传算法作为优化BP神经网络内初始权值及阈值的工具,并基于此建立模型对环渤海港口群三大代表港口2016-2019年集装箱吞吐量进行实证对比分析。最后横向比较传统BP模型和GA-BP模型的预测结果,研究结果表明:经GRA-GA算法优化BP神经网络模型相较于GA-BP神经网络模型与未经过改善的传统的BP神经网络模型其预测结果更为理想,研究结果对港口的战略规划及发展具有一定的参考价值。

摘要： 准确预测港口吞吐量对于港口生产运营与建设规划具有重要指导意义,针对港口吞吐量随机波动性特点,提出一种灰色马尔科夫港口吞吐量预测方法。基于GM(1,1)模型预测值与实际值的残差数组划分状态区间,建立状态转移矩阵,利用马尔科夫链模型对预测值进行修正,提高预测精度。以黄骅港2003—2020年货物吞吐量历史数据为例,与原始灰色GM(1,1)预测模型进行比较,仿真分析验证所提方法的有效性。

摘要： 近年来基于超文本传输协议(HTTP)的自适应视频流量大幅上升,传统HTTP动态自适应流(DASH)速率算法无法准确预测网络吞吐量,导致网络带宽波动,使传输控制协议慢启动并触发抛弃规则,从而降低视频质量.提出一种基于网络流量预测的改进DASH速率算法.将DASH算法分为视频质量选择阶段、视频下载阶段和请求等待阶段,在视频质量选择阶段引入支持向量回归模型和长短期记忆网络预测网络吞吐量,结合缓冲时长选择更优质量的视频片段,在视频下载阶段通过预测实时吞吐量降低触发抛弃规则的次数.仿真结果表明,该算法可自适应流速率并减少抛弃规则的命中次数,有效提高视频体验质量.

摘要： 为对港口货运量进行科学精准预测,结合天牛须搜索(beetle antennae search,BAS)算法和蒙特卡洛准则,提出一种改进BAS的Elman神经网络预测模型.收集上海港1989—2018年内的货运量以及当地各项经济数据,建立港口货运量预测评估体系,对各项影响因子进行预处理,消除数据冗余信息对预测的影响,对预处理后的数据进行仿真测试.实验结果表明,该模型预测准确率可达95％以上,有效地提高了港口货运量的预测精度.

摘要： 随着辽宁省港口整合工作的推进,以内贸集装箱业务为特色的营口港将迎来新的发展阶段.论文采用灰色GM(1,1)模型构建2020年营口港集装箱码头集装箱吞吐量预测模型.通过分析和对比不同历史数据维度的预测结果和精度发现:数据维度影响预测结果精度,7维数据序列的灰色模型预测结果精度更高.论文根据该模型预测营口港2020年主要集装箱码头的集装箱吞吐量将达到739.1万TEU.

摘要： 宿迁港中心港区中心作业区是江苏省内河港口布局规划中的9个核心作业区之一、全省主要集装箱专业化作业区,三期工程建设规模大、承担运输货种多样、建设需协调的因素众多.本文分析了三期工程的规划定位、吞吐量预测、总平面布置关键影响因素、总平面布置方案等,为类似工程提供参考.

摘要： 为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型).首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型.利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显著优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中.

摘要： 通过多元回归、时间序列模型以及灰色预测模型,对青岛市的近20 a对外贸易总额和吞吐量进行分析预测.充分考虑与港口货物吞吐量相关的六种因素指标,构建多元回归方程,运用Eviews软件对各因素的数据进行处理,建立ARIMA模型并对提取的三个指标进行预测,从而对回归模型中的对外贸易进出口总额(因变量)进行总预测,以了解青岛港的运输需求量;采用灰色预测模型并运用MATLAB软件对青岛港的货物吞吐量预测,分析青岛港港口的运输承载力.运用数学模型对港口吞吐量进行科学的评价和预测,能为青岛港制定中长期发展战略提供基本依据,对港口的持续发展的具有一定的现实意义.

摘要： 港口吞吐量预测是港口发展战略研究的重要内容,正确预测港口吞吐量对于合理科学的港口布局与运输规划具有重大的意义.本文根据福州港港口的发展状况,收集了1991-2006年福州港港口吞吐量数据,采用转移函数模型以及新陈代谢GM(1,1)模型对福州港港口吞吐量进行模拟、预测.

摘要： 模拟人脑思维过程，在因素空间与真值流推理理论框架之下，运用模糊聚类分析，建立了基于真值流推理的港口货物吞吐量定量预测模型。

摘要： 根据对象山港通航船舶现状的调研、对未来通航流量和密度的预测分析,针对象山港跨海大桥设计通航方案,计算了大桥主通航孔航道的通过能力.航道通过能力是以年通过航道的货运量为计算单位,与桥区通过的船舶种类、航行速度、密度等交通流特性有关.计算选用了中交水运规划设计院闵朝斌提出的方法.在闵朝斌计算方法的基础上,提出并应用了计算船队的概念.计算船队是根据预测的桥区日通航流量设计的一个虚拟船队.采用虚拟船队计算航道的通过能力,概念上更直观,能够反映不同尺度船舶组成对通过能力的影响.计算表明,大桥设计方案的主通航孔通过能力可以满足未来桥区货运量的要求,但是大量渔船及其它小型船舶与大型船舶共用主通航孔,将使主通航孔通过能力大幅度下降.

摘要： 根据对象山港通航船舶现状的调研、对未来通航流量和密度的预测分析,针对象山港跨海大桥设计通航方案,计算了大桥主通航孔航道的通过能力.航道通过能力是以年通过航道的货运量为计算单位,与桥区通过的船舶种类、航行速度、密度等交通流特性有关.计算选用了中交水运规划设计院闵朝斌提出的方法.在闵朝斌计算方法的基础上,提出并应用了计算船队的概念.计算船队是根据预测的桥区日通航流量设计的一个虚拟船队.采用虚拟船队计算航道的通过能力,概念上更直观,能够反映不同尺度船舶组成对通过能力的影响.计算表明,大桥设计方案的主通航孔通过能力可以满足未来桥区货运量的要求,但是大量渔船及其它小型船舶与大型船舶共用主通航孔,将使主通航孔通过能力大幅度下降.

摘要： 根据对象山港通航船舶现状的调研、对未来通航流量和密度的预测分析,针对象山港跨海大桥设计通航方案,计算了大桥主通航孔航道的通过能力.航道通过能力是以年通过航道的货运量为计算单位,与桥区通过的船舶种类、航行速度、密度等交通流特性有关.计算选用了中交水运规划设计院闵朝斌提出的方法.在闵朝斌计算方法的基础上,提出并应用了计算船队的概念.计算船队是根据预测的桥区日通航流量设计的一个虚拟船队.采用虚拟船队计算航道的通过能力,概念上更直观,能够反映不同尺度船舶组成对通过能力的影响.计算表明,大桥设计方案的主通航孔通过能力可以满足未来桥区货运量的要求,但是大量渔船及其它小型船舶与大型船舶共用主通航孔,将使主通航孔通过能力大幅度下降.

摘要： 根据对象山港通航船舶现状的调研、对未来通航流量和密度的预测分析,针对象山港跨海大桥设计通航方案,计算了大桥主通航孔航道的通过能力.航道通过能力是以年通过航道的货运量为计算单位,与桥区通过的船舶种类、航行速度、密度等交通流特性有关.计算选用了中交水运规划设计院闵朝斌提出的方法.在闵朝斌计算方法的基础上,提出并应用了计算船队的概念.计算船队是根据预测的桥区日通航流量设计的一个虚拟船队.采用虚拟船队计算航道的通过能力,概念上更直观,能够反映不同尺度船舶组成对通过能力的影响.计算表明,大桥设计方案的主通航孔通过能力可以满足未来桥区货运量的要求,但是大量渔船及其它小型船舶与大型船舶共用主通航孔,将使主通航孔通过能力大幅度下降.

摘要： 集装箱船舶及集装箱运输的发展状况,导致了许多集装箱型港口引航力量严重不足,从而在某种程度上影响和限制了港口的发展.为了更加合理和科学地对引航任务进行分配,我们利用相关的评价指标、预测以及正态分布等理论,建立了有关引航任务分配的初步模型,用以指导实践.

摘要： 集装箱船舶及集装箱运输的发展状况,导致了许多集装箱型港口引航力量严重不足,从而在某种程度上影响和限制了港口的发展.为了更加合理和科学地对引航任务进行分配,我们利用相关的评价指标、预测以及正态分布等理论,建立了有关引航任务分配的初步模型,用以指导实践.

摘要： 集装箱船舶及集装箱运输的发展状况,导致了许多集装箱型港口引航力量严重不足,从而在某种程度上影响和限制了港口的发展.为了更加合理和科学地对引航任务进行分配,我们利用相关的评价指标、预测以及正态分布等理论,建立了有关引航任务分配的初步模型,用以指导实践.

摘要： 集装箱船舶及集装箱运输的发展状况,导致了许多集装箱型港口引航力量严重不足,从而在某种程度上影响和限制了港口的发展.为了更加合理和科学地对引航任务进行分配,我们利用相关的评价指标、预测以及正态分布等理论,建立了有关引航任务分配的初步模型,用以指导实践.

摘要： 公开了一种接入点（AP）、一种高吞吐量（HT）站（STA）、一种用于在接入点（AP）中使用的方法及一种用于在高吞吐量（HT）站（STA）中使用的方法。其中，该AP包括：处理器，被配置成产生关联消息，其中所述关联消息包括指示空时块码（STBC）传输的AP支持的性能信息元素（IE）；天线；以及发射机，被配置成经由所述天线传送所述关联消息。该STA包括：发射机，被配置成传送第一关联消息；以及接收机，被配置成接收第二关联消息，该第二关联消息包括指示空时块码（STBC）传输的AP支持的性能信息元素（IE）。在AP中使用的方法包括：产生关联消息，该关联消息包括指示空时块码（STBC）调制传输的AP支持的性能信息元素（IE）；以及传送所述关联消息到站（STA）。

摘要： 本发明公开一种基于融合时序预测模型的钢卷仓储吞吐量的预测方法，涉及数据分析预测技术领域；基于ARMA方法的时间序列预测模型和基于时间序列分解的时间序列预测模型，通过对上述两种模型的融合，对整个时间序列进行拟合，不仅对时间序列的整体变化走势有良好的预测，还将时间序列分解成趋势、周期、余项三部分，将时间序列的趋势和周期性刻画出来，再进行加权求出最终融合后的结果，通过此种方法可以结合两种方法的优势提高准确率，进而对未来时间的数据进行可靠预测，提高预测结果精确性和鲁棒性。

摘要： 公开了一种接入点（AP）、一种高吞吐量（HT）站（STA）、一种用于在接入点（AP）中使用的方法及一种用于在高吞吐量（HT）站（STA）中使用的方法。其中，该AP包括：处理器，被配置成产生关联消息，其中所述关联消息包括指示空时块码（STBC）传输的AP支持的性能信息元素（IE）；天线；以及发射机，被配置成经由所述天线传送所述关联消息。该STA包括：发射机，被配置成传送第一关联消息；以及接收机，被配置成接收第二关联消息，该第二关联消息包括指示空时块码（STBC）传输的AP支持的性能信息元素（IE）。在AP中使用的方法包括：产生关联消息，该关联消息包括指示空时块码（STBC）调制传输的AP支持的性能信息元素（IE）；以及传送所述关联消息到站（STA）。

摘要： 本发明公开一种基于融合时序预测模型的钢卷仓储吞吐量的预测方法，涉及数据分析预测技术领域；基于ARMA方法的时间序列预测模型和基于时间序列分解的时间序列预测模型，通过对上述两种模型的融合，对整个时间序列进行拟合，不仅对时间序列的整体变化走势有良好的预测，还将时间序列分解成趋势、周期、余项三部分，将时间序列的趋势和周期性刻画出来，再进行加权求出最终融合后的结果，通过此种方法可以结合两种方法的优势提高准确率，进而对未来时间的数据进行可靠预测，提高预测结果精确性和鲁棒性。

摘要： 用于计算一个位置的可能吞吐量的装置可包括编译器，用于组织与记录的吞吐量对应的接收的吞吐量，和在存储器设备中存储的位置指示符。可能吞吐量的计算可通过可能吞吐量计算器来进行。因此，可由流速率适配器响应于在位置处的可能吞吐量来适配流速率，从而建立在该位置处继续呈现内容的足够大小的缓冲器。例如，可将流速率适配成由最大吞吐量确定器确定的最大吞吐量值。

摘要： 本发明提供一种在移动单元中实现的方法，所述移动单元被配置为在上行链路上与至少一个基站通信。所述方法包括：在所述移动单元处从所述基站接收表示业务导频功率比的第一属性和表示资源提供限制的第二属性。所述第一属性是基于与所述移动单元的尽力通信关联的优先级权重而形成的。所述第二属性是基于与所述移动单元的尽力通信关联的最大吞吐量而形成的。所述方法还包括：基于所述第一属性和表示在所述基站处的堵塞的信息修改上行链路传输功率。

摘要： 本发明公开了一种虚拟网络服务链吞吐量预测方法，属于网络通信技术领域，包括提取虚拟网络服务链承载硬件设施的状态参数，归一化、标准化处理、构建基于长短期记忆LSTM网络的编码器和解码器架构吞吐量预测模型输入时序序列，根据输入时序序列经由编码器提取其特征向量，解码器根据编码器获取的特征向量及监测值进行解码并输出预测值，预测值评估，利用预测模型进行在线预测。本发明通过对网络服务链吞吐量的实时预测，为灵活、高效的利用网络服务资源及为网络用户提供安全、快速、稳定并且满足特定网络吞吐量需求的网络服务提供基础。

摘要： 本发明公开了一种基于腹地理论的目标地机场群旅客吞吐量预测方法，步骤包括：1)首先将目标地划分为若干区域，利用现状年该目标地移动信令数据挖掘，得到现状各区域人均乘机次数；2)合理预测未来各区域人均乘机次数；3)预测目标地机场群中各机场的航空吞吐量规模：根据机场集疏运的出行可达性(出行时耗)，利用腹地理论划分机场腹地范围，将区域乘机规模分担到各机场；最后结合各机场具体功能进行因子调整，得到各机场旅客吞吐量规模；本发明的预测方法具有可实施性，并解决了传统的时间序列、回归分析模型对机场群间的竞合关系、机场功能考虑不够全面的问题。

摘要： 本发明属于自动化码头技术领域，具体为一种基于变分自编码器的港口吞吐量预测方法。本发明根据港口历史作业数据和未来作业计划，提供未来数小时集装箱吞吐量的预测结果，为港口调度人力设备等资源提供重要的决策依据，具体分为如下三个阶段：数据预处理；通过对港口历史作业数据进行预处理，得到港口过去一段时间内的作业计划数据、集装箱特征；构建基于变分自编码器的神经网络模型，在代价函数的约束下，将特征提取阶段得到的数据输入到神经网络模型中进行训练；预测；使用训练得到的神经网络模型预测每个集装箱装卸耗时，并以此推断港口在未来数小时内的集装箱吞吐量。本发明方法预测港口吞吐量准确性高，实际环境下使用效果好。

摘要： 本发明涉及人工智能技术领域，提供一种基于深度学习的港口集装箱吞吐量预测方法及相关设备，所述方法包括：获取港口集装箱吞吐量的原始数据；将原始数据转换为港口集装箱吞吐量的多元时间序列数据；将多元时间序列数据输入至预先训练好的卷积神经网络中进行特征提取，得到第一特征集；将第一特征集输入至预设的长短期记忆网络中进行识别，得到第二特征集；将第二特征集输入至全连接层，确定港口集装箱吞吐量的预测结果。本发明通过卷积神经网络和长短期记忆网络结合处理影响港口集装箱吞吐量的非线性时间序列，提高了第二特征集的准确率，进而提高了港口集装箱吞吐量的预测结果的准确率。