典型文献
基于RF-双向LSTM的集装箱吞吐量预测
文献摘要：
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.
文献关键词：
集装箱吞吐量;双向长短期记忆网络(LSTM);随机森林(RF);组合预测
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：
孙晓聪;付玉慧
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]孙晓聪;付玉慧-.基于RF-双向LSTM的集装箱吞吐量预测)[J].上海海事大学学报,2022(01):60-65
A类：
B类：
RF,集装箱吞吐量预测,港口,random,forest,双向长短期记忆网络,long,short,term,memory,network,神经网络预测,年青,青岛港,均方根差,平均绝对误差,平均绝对百分比误差,百分点,规划布局,组合预测
AB值：
0.167015
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。
