1. 研究目的与意义（文献综述）

在我国目前交通运输体系当中,港口发挥着举足轻重的作用。改革放以来,我国实行社会主义市场经济,极大地调动了各行各业、各个地区、各部门单位及个人的积极性,我国航运业和港口业同时也得到迅猛发展。沿海港口作为国民经济和社会发展的重要基础设施,有力地支撑着外向型经济的发展,促进了社会和贸易发展以及人民生活水平的提高,对于国家综合实力的提升、综合运输网的完善等具有十分重要的作用。因此,从港口和社会经济发展的角度来看,准确地预测港口吞吐量对制定相关政策非常重要。目前,我国港口出现许多新形势新问题,一方面港口建设空前热烈,但港口吞吐能力依然偏紧,还有较大的发展空间。另一方面,随着中国产业结构的变化和世界经济的发展,中国港口吞吐量的增长会逐步放缓。新形势下,我国港口未来发展方向是许多政策决策者和专家、学者共同关心的问题,合理的港口吞吐量预测方法和模型具有很大的现实意义。

目前，国内外常用的港口吞吐量预测方法有主要有专家预测法、增长率法、回归分析法、增长曲线法、bp神经网络法、时间序列arima方法、gm(1,1)灰色模型预测法、模糊预测法和组合预测法等。其中arima模型全称为差分自回归移动平均模型。是由博克思和詹金斯于70年代初提出的著名时间序列预测方法。其中arima(p,d,q)称为差分自回归移动平均模型，ar是自回归，p为自回归项;ma为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。arima模型的基本思想是:将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。bp神经网络模型具有高度非线性关系的映射能力，通过信号的前向传播实现由输人到输出的非线性映射，借助于误差信号的反向传播来对权值不断进行修正。在一个神经网络模型中，除去输入、输出变量外，最核心的变量就是各层之间的连接权重。连接权重通过误差反传算法来确定，模型能够拟合给定的具有非线性关系的历史数据，通过大量历史数据确定连接权重。当一个神经网络模型“学习”得到输入和输出变量的关系之后，即可用于对给定输入的预测。

通过对国内外相关论文的研究，发现目前对港口吞吐量的预测的研究主要集中在各种预测方法上。这些方法有的选用更科学的方法来处理数据，有的选用更加合适的相关量来间接预测，但对比发现，所有的研究都忽视了港口之间的相互联系，而且，这些方法一次只能预测某一个港口的货物吞吐量。但很明显，在货物吞吐量上，相邻的或货物往来比较密切的港口之间存在着某种关系。本文通过将多个沿海港口的数据放在一起研究，再通过科学的方法对这些数据进行处理，最终一次性得出所有对象港口的货物吞吐量预测值。

2. 研究的基本内容与方案

3. 研究计划与安排

2016-12-29~2017-01-13：确定毕业设计选题；

2017-01-13~2017-03-15：提交开题报告；

2017-03-15~2017-05-26：提交论文；

4. 参考文献（12篇以上）

[1] 赵刚,朱超,封学军.组合预测在港口吞吐量预测中的应用研究[j].水运工程, 2005, 3: 10-12.

[2] 王再明,王宏波.灰色系统理论在港口吞吐量预测中的应用[j].武汉理工大学学报(交通科学与工程版), 2005, 29(3): 456-459.

[3] 陈洁,许长新.改进的灰色模型在港口吞吐量预测中的应用[j].水运工程, 2005, 1: 20-23.