典型文献
基于ICAKELM的港口集装箱吞吐量预测模型
文献摘要：
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.
文献关键词：
港口集装箱吞吐量;帝国竞争算法;核极限学习机
中图分类号：
[3]
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：
顾子瑜;陈诺
作者机构：
上海大学管理学院,上海200444;苏州大学数学科学学院,江苏苏州215006
文献出处：
引用格式：
[1]顾子瑜;陈诺-.基于ICAKELM的港口集装箱吞吐量预测模型)[J].中国航海,2022(02):93-99
A类：
ICAKELM,IKM
B类：
港口集装箱吞吐量,集装箱吞吐量预测,ICEEMDAN,SE,ARIMA,上海港,其子,子序列,复杂程度,样本熵,核极限学习机,对子,分解集成,人工智能模型,短期预测,帝国竞争算法
AB值：
0.15792
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。
