1.1国内外现状分析

随着经济的快速发展以及全球化进程的迅速加快，物流产业越来越受重视已经成为现代经济中的重要组成部分，得到了国内外的广泛关注。物流业的迅速发展必然会成为国民经济中的一个新的增长点。在对外贸易开放的情况下，港口作为跨国贸易的重要节点，预测其未来货物吞吐量显得尤为重要，国内外学者用不同预测方法来对其诸多影响因素进行预测，以此较准确把握其变化。

国内外物流需求预测的方法很多，主要包括灰色预测模型、回归分析法、德尔菲法、神经网络预测模型、时间序列模型、指数平滑模型及Logistic 生长曲线模型和预测组合模型等。其中，灰色预测模型是对那些受众多因素影响，但又无法确定其错综复杂关系的量，通过运用预测对象自身的时间序列建立模型，寻求内在规律，并进行预测，可避免拼凑数据不准、关系不清、变化不明的参数，而且具有不追求大样本量、预测精度高、可进行长期预测等优点，在预测过程中各种模型适用范围、预测精度都存在一定的差异性，尤其是对波动型较大数据序列预测精度不高。由于港口集装箱吞吐量受多种因素的影响，在量化影响因素方面存在一定难度和误差，传统灰色预测模型可以根据较少的数据得到较高的预测精度，然而对于变化比较大的港口集装箱吞吐量而言，有待对模型进行然而改进与优化。鉴于此，拟将BP神经网络预测模型和灰色系统理论相结合来预测港口集装箱吞吐量。

灰色理论首先是由华中科技大学的邓聚龙教授提出的理论，通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述。其中较为典型的是模糊预测，美国学者l.a.zadeh教授建立的模糊集合论，为模糊预测理论与方法的研究奠定了理论基础。它用简捷有力的方法处理复杂系统。美国科学家帕卡德和他的同事基于混沌和生物进化理论，借助计算机，致力于用图形来描述金融市场的混沌现象。对于众多的模型，帕卡德采用一种称为遗传算法的方法处理数据这种方法的核心是，计算机不断设定新的假设环境，从而使学习算法更具有适应性。认为一个好的学习算法不仅能建立适应模型，它还能时刻观测数据的变化。所谓“学习算法”是一种特别的程序，他擅长对大量的、各种各样的模型进行比较研究，找出哪个模型最适用于分析目前和未来的数据。

人工神经网络(artificial neural networks, ANN)系统是20世纪40年代后出现的，1943年，心理学家W·Mcculloch和数理逻辑学家W·Pitts在分析、总结神经元基本特性的基础上首先提出神经元的数学模型1945年冯·诺依曼领导的设计小组试制成功存储程序式电子计算机，标志着电子计算机时代的开始。1948年，他在研究工作中比较了人脑结构与存储程序式计算机的根本区别，提出了以简单神经元构成的再生自动机网络结构。50年代末，F·Rosenblatt设计制作了“感知机”，它是一种多层的神经网络。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。美国的物理学家Hopfield于1982年和1984年在美国科学院院刊上发表了两篇关于人工神经网络研究的论文，引起了巨大的反响。人们重新认识到神经网络的威力以及付诸应用的现实性。随即，一大批学者和研究人员围绕着 Hopfield提出的方法展开了进一步的工作，形成了80年代中期以来人工神经网络的研究热潮。如今，在众多 灰色神经网络预测模型应用于社会许多行业，并为其创造了不可估量的价值。

1.2目的和意义

随着世界经济一体化和贸易全球化进程的加快，现代物流业快速发展港口集装箱码头作为现代物流活动的重要节点，在促进区域经济发展、带动临港产业发挥方面的作用越来越明显。港口物流企业作为港口的实际运营管理者，也越来越重视港口物流的发展战略。物流需求量是作为评价港口运营状况的最重要指标，所以物流需求预测作为港口物流企业发展战略的重要内容，港口吞吐量的预测对港口物流规划、港口码头建设、港口功能扩展等有着至关重要的作用，同时进行科学准确的需求预测对现代物流业和区域经济的发展也具有重要意义。反映港口物流需求大小的指标主要分为两类，一类是物流需求规模指标，主要包括运输、包装、装卸搬运等物流作业量；另一类是物流需求经济指标，如港口腹地固定资产投资、居民消费水平、对外贸易总额等。在选取物流需求指标时应充分考虑指标的代表性、普遍性、真实性、科学性以及指标数据的可得性，选取的指标要能够反映港口物流企业的物流需求水平和未来发展趋势。由于货物吞吐量(重量)和集装箱吞吐量（标箱数）易于统计，且能够较好地反映实际的物流需求水平，因此，一般选取这两个指标之一进行物流需求预测研究。

目前，港口之间的竞争日益表现为以集装箱吞吐量为核心指标的综合实力竞争。关于港口集装箱吞吐量的科学预测是港口主管部门科学规划和决策的理论基础，它对港口基础设施投资规模，港口建设，港口发展方向，经营策略以及港口发展战略等都具有现实的影响意义，是不可或缺的重要依据,灰色预测模型是对那些受众多因素影响，但又无法确定其错综复杂关系的量，通过运用预测对象自身的时间序列建立模型，寻求内在规律，并进行预测，可避免拼凑数据不准、关系不清、变化不明的参数，而且具有不追求大样本量、预测精度高、可进行长期预测等优点，因此对于影响因素多、历史数据少的样本，灰色预测模型是一种较为理想的预测方法，在预测过程中各种模型适用范围、预测精度都存在一定的差异性，尤其是对波动型较大数据序列预测精度不高。由于港口集装箱吞吐量受多种因素的影响，在量化影响因素方面存在一定难度和误差，传统灰色预测模型可以根据较少的数据得到较高的预测精度，然而对于变化比较大的港口集装箱吞吐量而言，有待对模型进行然而改进与优化。鉴于此，拟将BP神经网络预测模型和灰色系统理论相结合来预测港口集装箱吞吐量。灰色系统理论预测模型具有所需数据量较少、计算方法简单、不需要太多的关联因素以及可用于短、中、长期预测的特点，而神经网络所具有的自学习、非线性映射以及并行分布处理的能力，将两者结合，发挥两种方法的各自优点，避免各自的局限性，从而达到提高港口集装箱吞吐量预测精度的目的,从而对港口运营建设进行有效的指导。

2. 研究的基本内容与方案

1）研究目标

本论文系统阐述了国内外关于港口吞吐量需求量预测的有效方法，并在此基础上，针对影响港口吞吐量大小的相关因素进行分析，确定以湖北省的第一、二、三产业为影响因素，通过灰色神经网络预测模型来预测武汉新港未来港口吞吐量，利用matlab软件实现算法，并且与简单预测方法进行比较，获得最优预测值，分析与其他简单预测方法之间的差异，得出最后结论。