在对时间序列分析理论研究基础上,利用MATLAB软件编写所有算法的程序系统地分析港口集装箱吞吐量月度数据的变化规律,建立的ARIMA乘积季节模型能充分反映港口集装箱吞吐量的时间序列变化规律。以上海港2002~2009年集装箱吞吐量为例,应用MATLAB软件建立了ARIMA(0,1,1)×(0,1,1)12乘积季节模型,结果表明该乘积季节模型的预测精度较高,预测结果更加合理,有着广泛的应用前景。 Based on the theoretical research of the time series analysis, this paper systematically analyzes the changes rules of the monthly data of container throughput of Shanghai Port from 2002 to 2009 by using MATLAB software. The result shows that the multiplicative seasonal ARIMA(0,1,1)×(0,1,1)12 model has a high forecasting precision, a reasonable forecasting result and a broad application prospect.
陶丽丽1,王 艳2
1大连海洋大学理学院,辽宁 大连
2大连海洋大学外国语学院,辽宁 大连
Email: taolili1986@163.com, ivy1900@sina.com
收稿日期:2015年4月20日;录用日期:2015年5月7日;发布日期:2015年5月19日
在对时间序列分析理论研究基础上,利用MATLAB软件编写所有算法的程序系统地分析港口集装箱吞吐量月度数据的变化规律,建立的ARIMA乘积季节模型能充分反映港口集装箱吞吐量的时间序列变化规律。以上海港2002~2009年集装箱吞吐量为例,应用MATLAB软件建立了乘积季节模型,结果表明该乘积季节模型的预测精度较高,预测结果更加合理,有着广泛的应用前景。
关键词 :时间序列分析,ARIMA乘积季节模型,集装箱吞吐量,预测
中国地处太平洋西海岸,近年来随着经济的高速发展,航运业取得了巨大的发展。于是处于航运业发展核心的港口的发展越显其重要性。其中集装箱吞吐量是衡量一个港口能力的重要指标,是港口发展战略研究的重要内容,对于确定港口发展方向、扩建港口,新建码头,合理制定港口作业计划和港口基本设施规划,提高港口的通过能力和运营效率都具有十分重要的意义,而这些正是保证港口服务能力供给的基础。因此,准确预测港口吞吐量是协调港口服务能力的供给与区域对港口服务需求之间的桥梁,科学合理的预测港口吞吐量对于港口服务供应链内部和外部协同都具有重要的意义。
目前在港口吞吐量预测领域的国内外相关研究中,预测方法比较全面,包括回归分析[
本文以上海港集装箱吞吐量为例,对其8年的历史数据进行系统地分析,建立了
时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法是基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。其基本原理:一是承认事物发展的延续性,应用过去数据,就能推测事物的发展趋势;二是考虑到事物发展的随机性,任何事物发展都可能受偶然因素影响,为此要利用统计分析中加权平均法对历史数据进行处理。根据时间序列分析,可以对未来进行预测,其预测一般反映了趋势性,周期性以及随机性三种实际变化规律。纵观时间序列分析方法的发展历史可将其分为频域分析方法和时域分析方法两大类,本文主要研究的是时域分析方法[
拿到一个观察值序列后,首先应对其平稳性和纯随机性进行检验。通过平稳性检验,序列又可分为平稳序列和非平稳序列两大类。若为平稳序列,还需进一步对其的纯随机性进行检验。一个序列经预处理被识别为平稳非白噪声序列,则说明了该序列是一个蕴含着相关信息的平稳序列,需建立一个线性模型拟合该序列发展,借此提取序列中有用信息。到目前为止,差分方法被认为是一种简便,有效的确定信息的提取的方法,是由Box和Jenkins提出并用大量的案例证明了。差分运算具有很强大的确定性信息提取能力,许多非平稳序列差分后会显示出平稳序列的性质,这时称该非平稳序列为差分平稳序列。实际生活中,绝大部分序列是非平稳的,当平稳性检验分析结果为非平稳序列,则还需通过有效的手段提取序列中所蕴含的确定性信息,将其化为平稳序列。
时间序列模型有许多种类型,其中有三种是最经典和最重要的,他们是依靠原始时间序列的线性关系[
式中
图1. 上海港集装箱吞吐量的时序图
上海港的集装箱吞吐量模型为
模型为
其中
由式(2)该模型可以视为
特别地,这些表达式蕴含
接下来,令观察的相关函数等于它们的期望值,可以得到参数
[
[
[
[
[