文档介绍：基于NARX神经网络的港口集装箱吞吐量预测摘要:为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测,通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型,实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性,训练后的网络误差小且拟合度高,具有良好的泛化能力,:NARX神经网络;集装箱吞吐量;主成分分析;动态预测中图分类号:;TP183文献标志码:A0引言集装箱运输的发展已成为政府、,贸易和物流业占地区生产总值的比例很高,而集装箱运输是国际贸易和物流业的主要运输方式,,近年来,随着国际经贸的发展,上海港与周边港口之间的竞争日趋激烈,(NARX)模型,建立上海港集装箱吞吐量预测模型,并进行实证分析,,目前预测方法主要有时间序列法、:施泽军等和崔巍等运用灰色模型和指数平滑法对宁波港集装箱吞吐量进行预测;徐杏等和林强等以吞吐量作为单变量构建神经网络,在深度挖掘历年数据的内部规律后对深圳港集装箱吞吐量进行预测;,上述方法存在一定的局限性,预测精度不高,,本文采用主成分分析法筛选出集装箱吞吐量的重要影响因子GDP,将其作为外部输入引入NARX动态神经网络模型,对2015-2020年上海港集装箱吞吐量进行预测,,,NARX神经网络模型通过引入延时模块及输出反馈建立模型的动态递归网络,它将输出向量延时反馈引入网络训练中,形成新的输入向量,图1给出NARX神经网络模型的结构,u(t)表示输入向量,y(t)、验证及测试过程中,网络模型的输入不仅包括原始输入数据,还包含经过训练后的输出数据,(k)=f(y(k-1),y(k-2),…,y(k-ny),u(k-l),u(k-2),…,u(k-nu),w)(1)式中:u(?)为输入向量u(t)在某时间点的数值;y(?.)为目标向量y(t)在某时间点的数值;nu(nu≥1)为非线性系统的输入阶数,ny(ny≥1)为输出阶数,且nu≥ny;w为网络的权重矩阵;、,在选择预测模型时,应考虑过去输入与输出对当前输出的影响,