典型文献
基于多变量LSTM模型的青岛港集装箱吞吐量预测
文献摘要：
为了更加科学准确地对港口集装箱吞吐量进行预测,以深度学习方法中的长短时记忆网络(LSTM)模型为基础,建立一种多变量输入的LSTM模型.首先使用系统聚类法对青岛港集装箱吞吐量的多种影响因素进行聚类分析,根据普尔逊(Pearson)相关系数计算值选取典型影响因素,其次结合历史集装箱吞吐量数据作为多变量输入到模型中进行预测,并将预测结果与单变量LSTM模型和传统预测模型(ARIMA模型)的预测结果进行比较.结果表明:使用影响因素及历史吞吐量数据作为多变量输入的LSTM模型预测误差减小,平均绝对百分比误差(MAPE)降低到4.170％,均方根误差(RMSE)降低到7.736,预测值更加精确.该模型提高了预测的科学性与准确性,促进深度学习技术在港口集装箱吞吐量预测方面的应用,可为港口的合理决策与规划提供参考.
文献关键词：
交通运输工程;水路运输;系统聚类;多变量;LSTM模型;青岛港;集装箱吞吐量预测
中图分类号：
[2]
交通运输（U）
/
水路运输（U6）
/
港口工程（U65）
/
港口水工建筑物（U656）
/
码头（U656.1）
/
码头：按用途分（U656.1+3）
/
集装箱码头（U656.1+35）
作者姓名：
王凤武;张晓博;吉哲;王乐
作者机构：
大连海事大学航海学院,辽宁大连116026
文献出处：
引用格式：
[1]王凤武;张晓博;吉哲;王乐-.基于多变量LSTM模型的青岛港集装箱吞吐量预测)[J].重庆交通大学学报（自然科学版）,2022(10):54-61
A类：
B类：
多变量,青岛港,集装箱吞吐量预测,港口集装箱吞吐量,深度学习方法,长短时记忆网络,系统聚类法,普尔,计算值,史集,传统预测模型,ARIMA,预测误差,平均绝对百分比误差,MAPE,RMSE,进深,深度学习技术,合理决策,交通运输工程,水路运输
AB值：
0.209591
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
