基于LSTM的上海港集装箱吞吐量预测  

Prediction of Container Throughput of Shanghai Port with LSTM

作　　者：王凤武[1] 张晓博 阎际驰 吉哲 WANG Fengwu;ZHANG Xiaobo;YAN Jichi;JI Zhe(Navigation College,Dalian Maritime University,Dalian 116026,China)

机构地区：[1]大连海事大学航海学院,辽宁大连116026

出　　处：《中国航海》2022年第2期109-114,共6页Navigation of China

摘　　要：港口作为海上和陆地连接重要的交通物流枢纽,地位显著,而集装箱物流作为港口物流重要的组成部分,已成为评价一个港口地位的重要指标,科学准确的港口集装箱吞吐量预测对港口规划、腹地经济研究及科学决策等方面具有重要的意义。集装箱吞吐量数据非常复杂,并且往往具有多重季节性,很难准确预测,为了更加精准的预测港口集装箱吞吐量,本文采用长短期记忆模型(LSTM)来预测上海港集装箱吞吐量,并使用上海港集装箱吞吐量数据用于实证分析,将LSTM模型的预测结果与ARIMA模型的预测结果进行比较。比较结果表明,LSTM模型的预测精度更高。本文所提出的LSTM模型预测集装箱吞吐量不仅促进了深度学习技术在港口预测方面的应用,同时能够在港口生产管理业务中有效帮助港口规划决策。Prediction of container throughput of a port is challenging because of its complexity and multiple season-dependent characteristics.The LSTM is used to do the prediction of the container throughput of Shanghai Port and the result is compared to the prediction given by the ARIMA model.

关 键 词：上海港 集装箱吞吐量 LSTM模型 预测 

分 类 号：U6511[交通运输工程—港口、海岸及近海工程]