[发明专利]一种基于改进背景值的GM（1，1）模型的港口吞吐量预测方法

说明书

本发明公开了一种基于改进背景值的GM(1，1)模型的港口吞吐量预测方法，包括计算港口吞吐量序列X⁽⁰⁾的一次累加序列X⁽¹⁾、构建基于二次牛顿插值逼近的一次累加序列X⁽¹⁾的多项式函数、构建基于X⁽¹⁾的多项式函数的智能梯形、确定智能梯形的背景值核心参数与m、计算GM(1，1)模型背景值并求出参数a和u、得到原始序列的预测值序列以及进行误差检验几个步骤；具有预测误差小，预测准确率高，预测效率高，实用性高和应用前景好的特点。

技术领域

本发明属于数据预测技术领域，具体涉及一种基于改进背景值的GM(1，1)模型的港口吞吐量预测方法。

背景技术

港口吞吐量既是港口企业管理的目标之一，也是港口设施和经营管理水平的综合性反映。同时，根据吞吐量预测结果可以确定港口通过能力规模，从而使港口设施能较好地满足未来发展的要求。然而，港口吞吐量预测是一个复杂的过程，它与港口所在腹地的地理位置、经济状况、交通条件、自然条件等密切相关，同时也受国家宏观经济政策和周边港口竞争等因素的影响。即找到一种行之有效的港口吞吐量预测方法变的尤为重要。

基于GM(1，1)模型的灰色预测由于所需样本少、预测精度高已经被广泛的运用到港口吞吐量预测中，基于GM(1，1)模型的灰色预测的核心在于背景值估算，梯形构建法则是背景值估算的最基本方法。但是传统梯形构建法只能适应低增长序列，对于其他序列会造成预测结果失真。

目前，现有技术中提出基于非齐次指数拟合与复化梯形构建相结合的背景值估算方法，减小了梯形构建法的误差，扩大了梯形构建法的适用性；提出利用黎曼积分，以不规则梯形构建代替传统梯形构建；提出利用拉格朗日插值与变步长梯形算法结合估算背景值，基于梯形步长的变化形成新的背景值估算公式；提出基于拉格朗日插值与复化梯形构建相结合的背景值估算方法；提出利用有理插值和数值积分中的梯形构建及外推法估算背景值；还提出利用三次Bezier基函数插值与复化梯形构建相结合的背景值估算方法。虽然，以上方法能够通过不同途径构建梯形，以较高精度估算GM(1，1)模型背景值，但是这些方法使用范围窄，均只适用于某种特定序列样本，无法根据不同特性的序列样本智能调节相关参数提高预测精，从而无法具体应用于港口吞吐量的预测。

发明内容

为解决上述现有技术中存在的技术问题，本发明提供了基于此，本文提出了一种适用于各种数据变化类型的，预测误差小，预测准确率高，预测效率高，实用性高和应用前景好的基于改进背景值的GM(1，1)模型的港口吞吐量预测方法。

本发明解决其技术问题是通过以下技术方案实现的：

一种基于改进背景值的GM(1，1)模型的港口吞吐量预测方法，包括以下步骤：

步骤S1、将已知年份的港口吞吐量设为x⁽⁰⁾(k)，k＝1,2,...,n，采用X⁽⁰⁾＝{x⁽⁰⁾(1),x⁽⁰⁾(2),···,x⁽⁰⁾(n)}作为港口吞吐量序列X⁽⁰⁾，再将港口吞吐量序列X⁽⁰⁾作为GM(1，1)模型的原始序列，然后计算港口吞吐量序列X⁽⁰⁾的一次累加序列X⁽¹⁾；

步骤S2、构建基于二次牛顿插值逼近的所述步骤S1中的一次累加序列X⁽¹⁾的多项式函数；

步骤S3、构建基于所述步骤S2中得到的一次累加序列X⁽¹⁾的多项式函数的智能梯形；

步骤S4、基于遗传算法，在染色体的编码阶段，染色体编码长度ω取20位，再取染色体编码前10位的二进制编码表示参数取染色体编码后10位的二进制编码表示参数m，将参数与m作为所述步骤S3中得到的智能梯形的背景值核心参数与m；