典型文献
基于优化变分模态分解和核极限学习机的集装箱吞吐量预测
文献摘要：
针对港口集装箱吞吐量数据的复杂性特征,提出基于优化变分模态分解(OVMD)和核极限学习机(KELM)的集装箱吞吐量短期混合预测模型.首先,用汉佩尔辨识法(HI)剔除原始时间序列中的异常值,并把预处理之后的序列通过OVMD分解为多个特征明显的子模态.然后,为提高预测效率,将分解后的子模态按照样本熵(SE)值的大小分成高频低幅、中频中幅和低频高幅三类;同时,借助KELM中携带的小波、高斯和线性核函数捕捉具有不同特征子模态的趋势.最后,把所有子模态的预测结果线性相加得到最终的预测结果.以深圳港的月度集装箱吞吐量数据为样本进行实验,所提模型的平均绝对误差(MAE)达到0.9149,平均绝对百分比误差(MAPE)达到0.199％,均方根误差(RMSE)达到7.8860,决定系数(R2)为0.9944.与四种对比模型相比,所提出的模型在预测精度和效率上都具有一定的优势,同时克服了传统互补集成经验模态分解(CEEMD)和集成经验模态分解(EEMD)中容易出现的模态混叠问题以及极限学习机(ELM)中存在过拟合等问题,具有一定的实际应用潜力.
文献关键词：
集装箱吞吐量预测;样本熵;变分模态分解;核极限学习机;分解集成预测模型
中图分类号：
作者姓名：
张丰婷;杨菊花;任金荟;金坤
作者机构：
兰州交通大学交通运输学院,兰州730070;中国铁路兰州局集团有限公司兰州货运中心安全生产部,兰州730030
文献出处：
引用格式：
[1]张丰婷;杨菊花;任金荟;金坤-.基于优化变分模态分解和核极限学习机的集装箱吞吐量预测)[J].计算机应用,2022(08):2333-2342
A类：
汉佩尔
B类：
变分模态分解,核极限学习机,集装箱吞吐量预测,港口集装箱吞吐量,OVMD,KELM,混合预测模型,HI,异常值,照样,样本熵,中频,高斯和,线性核函数,相加,加得,深圳港,月度,平均绝对误差,MAE,平均绝对百分比误差,MAPE,RMSE,决定系数,对比模型,互补集成经验模态分解,CEEMD,模态混叠,过拟合,分解集成预测模型
AB值：
0.231409
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。
