期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
2021年世界交通运输大会水运学部会议 基于小波分解的集卡港内周转时间预测
被引量：
1
1
作者
孙世超
董曜
+1 位作者
李娜
郑勇
《上海海事大学学报》
北大核心
2021年第3期8-14,共7页
为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average...
为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average,ARMA)模型的集卡港内周转时间预测方法。该方法首先利用小波分解技术对集卡港内周转时间序列的多维变化特征进行逐层分离,再利用ARMA模型对分离后的多个时间序列分别进行拟合,然后对拟合结果进行合并,以此近似模拟原序列的时变规律,继而实现集卡港内周转时间的短期预测。为验证该方法的有效性,将数据样本划分为训练集(75%)和测试集(25%),训练集用于拟合多维ARMA模型,测试集用于检验ARMA模型的预测结果误差。研究结果表明,对于3种任务类型,该模型均可以精确预测集卡的港内周转时间,为物流企业调整集卡运输计划提供相应的技术支持。
展开更多
关键词
水运管理
集
卡
周转时间
预测
小波分解
自回归移动平均(ARMA)模型
码头闸口数据
下载PDF
职称材料
题名
2021年世界交通运输大会水运学部会议 基于小波分解的集卡港内周转时间预测
被引量：
1
1
作者
孙世超
董曜
李娜
郑勇
机构
大连海事大学交通运输工程学院
出处
《上海海事大学学报》
北大核心
2021年第3期8-14,共7页
基金
国家自然科学基金(71702019)。
文摘
为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average,ARMA)模型的集卡港内周转时间预测方法。该方法首先利用小波分解技术对集卡港内周转时间序列的多维变化特征进行逐层分离,再利用ARMA模型对分离后的多个时间序列分别进行拟合,然后对拟合结果进行合并,以此近似模拟原序列的时变规律,继而实现集卡港内周转时间的短期预测。为验证该方法的有效性,将数据样本划分为训练集(75%)和测试集(25%),训练集用于拟合多维ARMA模型,测试集用于检验ARMA模型的预测结果误差。研究结果表明,对于3种任务类型,该模型均可以精确预测集卡的港内周转时间,为物流企业调整集卡运输计划提供相应的技术支持。
关键词
水运管理
集
卡
周转时间
预测
小波分解
自回归移动平均(ARMA)模型
码头闸口数据
Keywords
water transportation management
prediction of truck turnaround time
wavelet decomposition
autoregressive moving average(ARMA)model
terminal gate data
分类号
U691.3 [交通运输工程—港口、海岸及近海工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
2021年世界交通运输大会水运学部会议 基于小波分解的集卡港内周转时间预测
孙世超
董曜
李娜
郑勇
《上海海事大学学报》
北大核心
2021
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
