港口吞吐能力（精选9篇）
港口吞吐能力 篇1
“十二五”期间,中国将加快内河水运发展步伐,到“十二五”末新增港口吞吐能力13亿吨,相当于目前长江干线规模以上港口的年货物吞吐量,再造一个“长江”。
交通运输部部长李盛霖日前在湖北举行的国家内河高等级航道“十二五”启动仪式上介绍,“十二五”期间,交通运输部将把加快内河水运发展作为重点,加大资金投入,力争在内河高等级航道、规模化专业化港区、应急保障能力建设和船型标准化、内河水运信息化等方面取得重大进展。到2015年,中国内河高等级航道达标里程将新增3000多公里,港口吞吐能力增加13亿吨。
“十一五”以来,长江水运基础设施不断改善,长江港口规模化、专业化、大型化建设步伐加快,长江沿线拥有一类水运口岸20个、二类水运口岸5个,沿江港口万吨级以上泊位298个,拥有南京、镇江、江阴、南通、武汉等6个亿吨大港。
港口吞吐能力 篇2
【关键词】 港口;吞吐量;国际贸易;金融危机;预测;增长率
1 “十一五”期前4年我国港口货物 吞吐量
“十一五”期前4年是我国港口业的快速发展期。据国家统计局数据显示,2006―2009年我国GDP增长率分别为11.8%,13.3%,8.9%和8.7%,年均10.6%。我国规模以上港口(以下简称港口)货物吞吐量增长率在这4年间虽然在金融危机的影响下有所下降,但仍保持较好增长态势。2006―2009年我国港口吞吐量增长率分别为16.6%,14.5%,11.9%和9.2%,年均15.3%,高于同期我国GDP年均增长率近5个百分点。这充分体现我国港口业在国民经济社会发展中的基础作用、支撑作用和先导作用。
“十一五”期前4年是我国港口货物吞吐量发展最快的4年。2006年港口货物吞吐量为45.97亿t,比上年净增6.55亿t,增长16.6%;2007年港口货物吞吐量为52.64亿t,比上年净增6.67亿t,增长14.5%;2008年虽受全球金融危机的影响,但全年港口货物吞吐量仍达到58.91亿t,比上年增长11.9%;2009年港口货物吞吐量为69.72亿t,比上年增长9.2%,增长率进一步回落,显示当年港口生产面临严峻挑战,但在国家刺激经济增长“一揽子”计划的作用下,全国经济发展企稳回升,经济发展势头向好,内需拉动经济增长作用明显,港口货物吞吐量增长率逐步回升,2009年年初同比增长率为??15%左右,年终回升至8%左右。总体来看,“十一五”前4年我国港口生产发展虽然经历百年不遇的全球金融危机,但是在曲折发展中呈现逆势上扬、快速回升的态势,为我国经济保持平稳较快发展作出重要贡献。
2 近期我国港口吞吐量走势
2010年是“十一五”期的最后一年,也是我国经济发展方式进入深度调整的重要年份。转变发展方式,促进结构调整,是2010年我国经济发展的主旋律,也是未来经济发展的长期战略方针。2010年政府工作报告提出我国GDP增长率目标是8%。在2009年“扩内需、保增长”政策的作用下,国家4万亿基础设施建设投资拉动作用明显,拉动效应在2010年依然持续;但是内需拉动经济增长作用有限,后续资金投入也存在一定压力。2009年下半年以来不断提升的港口生产增长率有所放缓。2010年1―4月,港口货物吞吐量完成24.6亿t,同比增长20%,其中:外贸货物吞吐量完成8.1亿t,同比增长27%;集装箱吞吐量万TEU,同比增长22%。分月份来看,2010年1―4月港口货物吞吐量分别完成6.4亿t,5.5亿t,6.2亿t和6.6亿t,同比增长33%,29%,22%和20%,增长率逐月递减,增长动力略显不足。
3 2010年5―12月港口货物吞吐量 预测
3.1 总体趋势
从我国宏观经济走势来看,经济企稳回升势头良好,基本上走出金融危机阴影,但经济发展的基础仍不牢固,结构调整和发展方式的转变仍面临很多困难和障碍,经济持续快速发展的动力面临众多不确定因素。从近期情况看,2010年1―4月港口货物吞吐量同比增长率逐步回落,可以预计5―12月货物吞吐量同比增长率与1―4月相比将明显放缓。
3.2 5―12月港口货物吞吐量预测
2006年,刘长俭[1]采用以月份为预测单位的港口近期集装箱吞吐量预测方法对2007年上海港集装箱吞吐量进行预测,经验证精度较高(见表1)。
表1 2007年上海港集装箱吞吐量实际值和预测值
注:2007年实际值来自上海港国际港务(集团)股份有限公司网站。
采用这种预测方法对全国港口货物吞吐量以月份为单位进行统计分析。对2000―2004年和2006年的数据进行逐月计算(考虑数据的可得性和典型性进行选取),取得每月吞吐量占全年比重的历史平均值(见图1)。
图1 2000―2004年和2006年每月吞吐量
占全年比例的平均值
根据2010年1―4月的完成量及其占全年比重的平均值为30.8%,得出2010年港口货物吞吐量预测值为79.9亿t,5―12月吞吐量预测值分别为万t,万t,万t,万t,万t,万t,万t和万t。
图2 2006―2010年60个月港口货物吞吐量变化趋势
注:第53―60个月吞吐量为预测值。
3.3 2010年5―12月预测值的修正
采用上述方法预测2010年我国港口货物吞吐量为79.9亿t,比上年增长14.6%;但从2010年港口生产总体趋势来看,预测值偏大,增长率偏高,要完成这个量有一定的难度,因此有必要对预测值进行修正。
上述预测方法隐含的假设条件是,每年国际国内重大的宏观经济环境没有发生重大的变化,国家也未出台重大的制度调整和政策安排,因此,通过典型年份各月的数据进行历史拟合,同时考虑季节性和临时多种因素此消彼长的综合作用,港口生产即呈现一定的规律性和可预见性,这种预测思路方法是有效的、可靠的。但近两年受全球金融危机影响,国内外宏观经济环境发生重大变化,国家经济发展政策也出现重大调整,因此港口生产的规律性、季节性受到较大影响。如果仍然完全按照这种思路进行预测会出现较大误差,因此需要综合考虑目前经济形势和港口生产实际进行必要的调整。
根据上文对2009年和2010年1―4月港口货物吞吐量的分析,2010年5―12月港口货物吞吐量增长放缓毫无悬念。此外,考虑到目前的经济形势,以下几个因素还将使港口生产面临更大的压力:一是国家节能减排政策日趋收紧,港口企业“十一五”期节能减排任务相当繁重,各部门势必要生产、节能统筹兼顾,把节能减排放在首位,不再一味地“保增长”;二是加快方式转变、促进结构调整成为国内经济发展的主旋律,将对我国当前的生产方式、贸易结构等产生一系列的影响,进而影响港口货物吞吐量;三是国家4万亿刺激经济增长计划的集中投入期已经过去,后续资金投入压力较大,刺激效果将有所减弱;四是中、美、欧等经济体5月份公布的数据均表明经济增速有所放缓,加上国家近期密集出台的房产调控政策,经济“二次探底”的风险加大。
综上所述,2010年5―12月的港口生产增长率将明显下降,吞吐量占全年的比重将由以往历史数据推算值69.2%下降1～2个百分点。考虑到2008年由于金融危机影响,5―12月占全年比重为67.5%,预计2010年5―12月占比可能在68%左右,据此推算2010年全年港口货物吞吐量约为77亿t,比2009年增长约10%(见图3)。
图3 2010年5―12月吞吐量预测值及修正值
注:2010年1―4月吞吐量为实际值。
4 “十二五”期我国港口货物吞吐量 增长率估算
目前各级交通运输主管部门正在研究编制“十二五”期交通运输发展规划,水路运输发展规划在交通运输发展规划中占有重要位置,其中港口货物吞吐量预测是水运规划工作的重要内容之一。正确、全面、合理估算我国“十二五”期的港口货物吞吐量规模及发展速度,对指导我国水运建设未来的资金投入、确定建设规模和发展方向等均具有十分重要的作用。
4.1 影响我国港口货物吞吐量未来增长趋势的 主要因素
(1)我国经济发展方式进入深度调整时期。“十二五”期我国经济发展经历全球金融危机,个别年份外贸量出现下降,沿海地区大批企业倒闭。在刺激经济增长“一揽子”计划的作用下,经济开始企稳回升,在全球率先出现V型反弹。但金融危机对我国经济的影响是深刻的,对我国经济发展方式的挑战也是空前的。金融危机的倒逼机制使我国经济不得不进行深刻的调整和变革,彻底改变以往的发展方式和贸易方式。港口的发展方式必将从粗放型向服务型、效益型转变。
(2)我国经济发展的着力点转向内需。这一转变对我国运输结构的调整和发展方式带来非常大的影响。贸易结构发生转变,经济发展的着力点由外贸转向内需,这对贸易规模、结构和方式的改变是巨大的。内贸运输发展将进一步加快,港口的内贸货物吞吐量将进一步增加。
(3)我国城镇化进程进入加快推进期。2008年,我国的城市化率为46.7%。根据国外经验,城市化率在40%～65%的时期是加速发展期。国家发展改革委员会宏观经济研究院预测,2020年我国的城市化水平约为58%～65%。城市化进程一旦加快,钢材、水泥等矿建材料的运输需求将进一步增加,而水运是大宗矿建材料的运输主力。
(4)低碳经济成为重要发展方向。为应对气候变化,减少二氧化碳排放,发展低碳经济成为各国的战略决策。水运作为最为环保、节能、高效的运输方式,理应成为低碳经济发展的重要内容之一。
(5)人民币升值成为必然趋势。人民币升值体现我国经济发展水平的提升,但人民币升值势必在一定程度上削弱我国产品的国际竞争力,抑制出口并刺激进口。从长远来看,人民币升值对我国转变贸易方式,加快产业结构调整具有积极意义。
4.2 我国港口货物吞吐量发展回顾
改革开放初期的1981年我国港口货物吞吐量仅为2.19亿t,1994年吞吐量突破10亿t,之后港口货物吞吐量增长较快,2002年为22.33亿t,2003年增至33.25亿t。港口货物吞吐量真正的高速增长期是“十五”期,“七五”“八五”“九五”期年均增长率分别为5.6%,7.5%和5.9%,“十五”期年均增长率达18.3%,“十一五”期(结合2010年5―12月预测结果)年均增长率达10%左右。
4.3 我国“十二五”期港口货物吞吐量及增长速度预测
4.3.1 GDP与港口货物吞吐量增长率的关系
GDP代表国家经济的综合发展水平,港口货物吞吐量代表港口的综合发展实力。经济发展总体水平决定港口货物吞吐量的规模,两者具有高度线性相关性。
GDP与港口货物吞吐量增长率之间也具有较为紧密的相关性。从1981―2009年两者增长率关系(见图4)可看出,港口货物吞吐量增长率曲线基本以GDP增长率曲线为中心上下波动,“十五”期前基本在GDP增长率曲线下方,“十五”期及以后在GDP增速曲线的上方。这充分说明港口发展与经济发展需求之间的关系:以前港口发展处于比较落后的状态,不能完全适应国民经济的发展,经过逾10年的建设,港口基本能满足国民经济发展的需要,并且具有适度的超前性。从历史数据分析,港口货物吞吐量历年的平均增长率高于GDP增长率约3个百分点。
图4 1981―2010年我国GDP,外贸进出口额,
港口货物吞吐量增长率关系
4.3.2 外贸进出口额与港口货物吞吐量增长率的关系
我国90%以上的外贸量是由港口完成的,外贸兴衰直接影响港口业的发展。外贸额是影响港口货物吞吐量的决定性变量,大量研究也证明两者之间具有高度的线性相关性。
外贸进出口额与港口货物吞吐量增长曲线具有更为高度的一致性。从图4可看出,两者曲线形状具有高度相似性,变化规律基本吻合。吞吐量增长率的变化基本因外贸额增长率变化而动,且稍有滞后,这体现外贸额变化是港口货物吞吐量变化重要的内生变量。从历史数据分析,我国每年的外贸进出口额增长率均高于港口货物吞吐量增长率约3个百分点。
4.3.3 我国“十二五”期港口货物吞吐量预测
“十二五”期是我国经济走出金融危机阴影,加快转变发展方式,实现科学发展的重要时期,经济持续高速增长的态势不会改变。国家发展改革委员会宏观经济研究院预测,“十二五”期我国经济潜在增长率在8.7%左右。作为世界上最大的发展中国家,我国经济的实际经济增长率一般略高于潜在的经济增长率。因此,笔者预计“十二五”期我国实际经济增长率在9%左右。根据上文分析的GDP与港口吞吐量的关系,在GDP增长率基础上增加3个百分点即为港口货物吞吐量的理论增长率,即12%。
港口货物吞吐量是我国经济发展的“晴雨表”,加之今后几年仍是我国水运业的大建设大发展时期,港口生产快速增长的态势也不会改变。我国“十五”“十一五”时期港口货物吞吐量增长率保持较高的水平,但随着我国经济发展方式的转变和产业结构的优化升级,增长率出现放缓态势,但近几年不会有明显下降。“十五”期,年均增长率为18.3%,“十一五”期年均增长率受金融危机影响为10%左右。“十二五”期增长率应略高于“十一五”时期。
综上,我国“十二五”期港口货物吞吐量的增长率应在11%以上,2013年我国港口货物吞吐量将突破100亿t,2015年我国港口货物吞吐量将超过130亿t大关。
5 结 语
目前港口货物吞吐量预测方法、预测模型等研究成果已非常丰富。笔者曾用现有数据对大多数的预测方法进行验证,结果表明有95%的预测结果低于现实数据。这在一定程度上说明多数专家学者乃至国家行业主管部门对于我国经济增长潜力和发展速度的认识偏于保守。基于这一认识,本文对“十二五”期港口吞吐量的预测加入乐观因素,预测年均增长率超过11%,到2015年,实际增长率可能高出1～2个百分点。
参考文献:
国内港口吞吐量的聚类分析 篇3
根据国家“十二五”发展规划,我国将大力推进长江等内河高等级航道建设,推动内河运输船舶标准化和港口规模化发展,提升沿海地区港口群现代化水平。2011年我国交通运输部《关于促进沿海港口健康持续发展的意见》为着力推动港口转型升级,促进沿海港口健康、安全、持续发展,更好地服务我国经济社会发展和提高国际竞争力提供了理论依据。
一、聚类分析的统计指标与样本选择
聚类分析是一种建立分类的多元统计分析方法,能够将一批样本或变量数据根据其特征,按照在性质上的亲疏程度在没有先知的情况下进行分类。常用的聚类分析方法有系统聚类和K均值聚类。聚类分析的步骤主要为:选择统计指标与样本、对数据作预处理(如:标准化、相关分析等)、选择聚类方法进行分类。
港口吞吐量是衡量港口规模、服务水平和运量发展等的主要经济指标。本文收集整理了2010年10月我国32个港口的货物吞吐量、外贸吞吐量、集装箱吞吐量、旅客吞吐量等指标(数据来源于中国物流与采购联合会2010年有关港口统计资料)。由于缺少几个港口的旅客吞吐量不利于计算分析,又由于有些指标存在很强的相关性,所以最后选择了2010年1月至10月累计货物吞吐量(万吨)、累计外贸吞吐量(万吨)、累计集装箱吞吐量(千TEU)3个指标作为港口吞吐量分析的指标。
由于资料的缺失,剔除了黄骅、莆田港后取了30个港口作为研究对象,它们是:丹东、大连、锦州、秦皇岛、唐山、天津、烟台、威海、青岛、日照、连云港、上海、嘉兴、宁波—舟山、台州、温州、福州、泉州、厦门、汕头、惠州、广州、深圳、珠海、中山、茂名、湛江、北海、钦州、海口。
二、聚类法在港口吞吐量分析中的应用
1. 采用系统聚类法。
系统聚类的具体方法是:进行Z得分标准化处理;定距型变量个体间距离的计算方式采用平方欧氏距离法;个体与小类、小类与小类间亲疏程度的度量方法采用组间联接距离法。组间联接距离是该个体与小类中每个个体距离的平均值。平方欧式距离是两个个体(x,y)间的k个变量值之差的平方和,数学定义为:,式中:k表示每个样本有k个变量;xi表示个体x的第i个变量的变量值,yi表示个体y的第i个变量的变量值。系统聚类树状图展现了系统聚类过程中每一次分类合并的情况,见图1。
采用系统聚类法可将其分为以下三类:第1类:丹东、大连、锦州、秦皇岛、唐山、烟台、威海、日照、连云港、嘉兴、台州、温州、福州、泉州、厦门、汕头、惠州、珠海、中山、茂名、湛江、北海、钦州、海口24个港口。第2类:天津、青岛、宁波—舟山、广州、深圳5个港口。第3类:上海港1个港口。
2. 采用K均值聚类法。
K均值聚类的具体方法是:进行Z得分标准化处理;确定聚类数为3类;采用迭代与分类的方法,最大迭代数10次,根据距离最近原则进行分类,即依次计算每个样本数据点到K个类中心点的欧氏距离,并按照距K个类中心点距离最短的原则将所有样本分类,形成K个分类。
采用K均值聚类法,可将其分为以下三类:第1类:丹东、锦州、秦皇岛、唐山、烟台、威海、连云港、嘉兴、台州、温州、福州、泉州、厦门、汕头、惠州、珠海、中山、茂名、湛江、北海、钦州、海口22个港口。第2类:上海、宁波—舟山2个港口。(可以改为第3类)。第3类:大连、天津、青岛、日照、广州、深圳6个港口。(可以改为第2类)。
3. 两种聚类分析结果比较。
两种方法均选择分成三类。考虑到实际情况,把K均值聚类类别号修正,即第2类与第3类互换,可以看出:除少数港口外,两种聚类方法的结果大体相一致。分类结果见表1。
4. 分析说明。
按照聚类法的结果,还可以对各类港口的各种指标分别进行描述统计,计算最小值、最大值、均值、标准差等特征指标。以下是K均值聚类后的有关数据,见表2。
以上分析说明,根据港口货物吞吐量、外贸吞吐量和集装箱吞吐量的聚类分析结果,可以将国内港口综合分为三种类型。第1类是中小型港口,包括了我国沿海从北到南的20多个港口,这些港口是我国港口的重要组成部分,随着国民经济的发展将会加速成长。第2类是大型港口,其中的天津、青岛、广州、深圳等都位于我国经济发达地区,腹地规模大,经济增长平稳,有稳定的货源,将为我国的交通运输与国民经济发挥新的、更为重要的作用。第3类是超大型港口,其中的上海港以建设国际航运中心为的目标,货物吞吐量与集装箱吞吐量已数年雄踞世界第一。上海港80%的集装箱吞吐来自于进出口贸易,货物进出口将继续保持稳中有升势头;长江流域各省市到上海港的货物中转量近10年每年都保持20%左右的增长速度。但量的称雄远不是上海港的终极目标,质的飞跃显得更为重要。外高桥六期码头作为“十一五”收官之作,从简单装卸的码头作业向一站式增值服务为特点的现代服务业转变;“十二五”期间,上海的绿色港口供电技术研究与示范项目取得的技术成果,将计划逐步在全国的港口码头推广应用;上海口岸将聚焦长三角通关一体化;上海港的吞吐规模水平、服务全国能力、发挥枢纽功能和全球影响力将进一步发展。
参考文献
[1]交通运输部.关于促进沿海港口健康持续发展的意见.交规划发[2011]634号,2011-11-25.
[2]薛薇.SPSS统计分析方法及应用[M].电子工业出版社,2010.
港口吞吐能力 篇4
【关键词】 内河港口；吞吐量；物流；航运；腹地经济
腹地经济的特点决定浙江省海盐县内河进出港货物以矿物性建筑材料为主。随着当地矿山资源的减少，以及嘉兴至南北湖大道、嘉绍通道等基础设施建设的相继完成，这种严重依赖矿物性建筑材料的港口物流面临挑战。因此，必须抓住当前浙江省发展海洋经济的战略机遇，发挥内河集疏运的优势，承接沿海码头货物，开展内河转运，打造转运型物流节点，实现内河港口物流的可持续发展。
1 海盐内河港口吞吐量变化情况及其原因
1.1 港口吞吐量变化情况
从表1可以看出，近年海盐内河港口吞吐量变化基本情况如下：
（1）吞吐量变化不大，2003年创下万t的历史最高纪录，2004年起以年均约100万t的数量回落，2007年后维持在万t左右。
（2）进出港比例从2001年的1∶2攀升至2004年1∶3，2008—2010年基本保持1∶1的平衡状态。
（3）矿建材料和水泥等主要货种吞吐量在10年间虽有起落，但每年仍维持在万t上下，钢材有所增加，铁矿砂等新货种开始出现。
1.2 吞吐量变化的原因
（1）吞吐量起伏 主要源于产业结构和水路运力结构的调整。1996年，海盐境内主干航道六平申线改造完毕；2001年，水泥船淘汰启动，同年钢质货船专项补贴政策出台；2004年，内河钢质挂桨机船开始淘汰，2008年退出水运市场。船舶拆旧建新使内河水路运力结构不断优化，结合航路条件的改善，推动吞吐量增加。2004年起，矿山、砖瓦企业列入结构调整，石矿企业从2000年的逾40家骤减至2007年的4家，矿石、砖瓦等建材物流随之明显下降。
（2）进出港比例改变 2000年前后，海盐作为浙北主要石料产地之一，受益于上海等城市的建设，内河建材物流快速增长，输出货物量大大超过输入货物量。2005年以后，随着杭浦、杭州湾大桥北接线等高速公路的建设，宕渣、青石子等外地建材大量涌入，使进港物流大增，再加上近年来海盐采石行业结构调整到位，石料产量和发送量减少，因此进出港物流趋于平衡。
（3）货种变动 由于海盐以纺织服装、化纤、饲料、机械、电子为主的工业格局未发生重大变化，因此通过内河港口的货物未出现明显调整，即输出以石料、水泥、砖瓦等为主，输入以煤炭、矿建类、轻工类材料等为主。虽然得益于海盐县紧固件生产发展和城市建设加快，标准件和建筑用钢材吞吐量在2010年突破100万t，但也只占当年港口吞吐量的6%，铁矿砂等新货种所占比例更是微乎其微。
2 发展内河转运物流的有利条件
（1）海河联运顺利运作。2007年，海盐县首个沿海公用码头——浙江钱塘港口物流有限公司秦山 t级码头投入使用；2009年，浙江林龙港口有限公司一期 t级散杂货泊位建成投产。这2个泊位凭借紧邻内河航道官堂线和长山河的优势，2009年、2010年分别接卸货物115万t和135万t，其中60%的货物通过内河码头中转流向杭州、绍兴等周边地区，既有煤炭、粮食，也有之前海盐内河运输较少的切片、铁矿砂、闽江砂等货物。
（2）沿海码头建设有序推进。除了已建的２个沿海泊位外，2010年10月，嘉兴港海盐港区2个1万t级泊位C1和C2建设全面启动，计划2011年内建成使用；另有２个万吨级泊位C3和C4在2011年获港口岸线批复；C5和C6泊位前期工作已启动；浙江林龙港口有限公司二期项目的2个 t级沿海泊位与4个500 t级内河泊位正在报批港口岸线。根据《嘉兴港总体规划》，海盐港区规划布置～2万t级生产性泊位50个，“十二五”期间将建成8个万吨级泊位，为发展转运物流提供货源保障。
（3）内河航道改造启动，转运成本降低。2010年12月，浙江省海河联运重点工程——何家桥线内河航道改造工程开工建设。该工程始于杭平申线的支线官堂线，终于杭州湾北岸内侧的白洋河，全长5.11 km。全线按双向六级航道标准建设，兼顾远期300 t级船舶单向通航，计划于2012年6月建成。该工程建成之后，秦山一带沿海码头与内河的最短距离仅为300 m，海上接卸货物可通过输送带实现无缝连接，无须再借助汽车短驳到内河码头。另一条连接杭平申线与海盐港区C区的海河联运通道——海塘线支线正在开展前期工作。这两条连接线将充分发挥海盐前海后河的区位优势，进一步降低企业物流成本。
3 加快海盐内河转运发展的建议
为加快海盐内河转运发展，提出具体建议如下：
（1）加快专业人才队伍建设。目前，海盐从事内河港口物流的水运经营者逾700户，船员近名。水运经营户大多经营“夫妻船”，多持三类驾驶员或轮机员证书，持有300总吨或150 kW以上证书的二类船员比例极低。由于船舶大型化发展，以及一部分先富起来的经营者离船上岸，外聘船员日渐增多，职业船员数量存在较大缺口。除引进熟悉物流管理理论、掌握物流信息技术、具备一定领导协调能力和创新能力的复合型物流人才外，急需加快职业船员，特别是二类以上内河高级船员的培养。
（2）加快标准船型推广。船舶是实现港口间货物位移的主要工具。由于各地航道等级不同，尤其是沿海码头与内河航道网的连接线等级较低，超长、超宽、超深船舶的进入容易影响船舶正常通航。开发并引导经营者使用适合转运的标准化船型，能进一步提高物流安全性和准点率。
（3）加快内河物流中心建设。尽快在何家桥线和海塘线靠近沿海一侧设置内河物流中心。鉴于码头等物流设施初期投入大、成本回收期长的特点，宜由政府或国有投资公司负责中心土地征迁和码头基础设施建设，建成后吸引仓储、采购、加工、运输企业入驻，由社会企业提供装卸、仓储等物流服务的开发模式。尽早建立港口物流信息服务平台，提供货物进出港、船舶舱位等信息，实现港口企业、船舶承运人、货主、收货人等物流参与方的信息共享。鼓励开展物流咨询、物流规划、库存控制、信息处理等系列增值服务的企业落户，提高当地物流服务水平。
广东省港口货物吞吐量预测及分析 篇5
广东省拥有大陆海岸线3368公里(仅次于海南居全国第二位)和42万平方公里的海域,岛屿岸线长2429公里,是我国岸线资源最丰富、沿海港口数量最多、水路运输最发达的省份之一[1]。广东省港口正迈向大型化、专业化方向发展,从2001年来,广东省港口货物吞吐量一直保持增长态势,到2010年广东省港口货物吞吐量达到了12.2258亿吨。2001年至2010年广东省港口货物吞吐量见表1。
(单位:万吨)
(数据来源:广东省统计年鉴2011)
在确定港口物流的发展规划、港口设施建设、港口的经营策略等方面,港口货物吞吐量预测不可或缺,因此科学合理的港口货物吞吐量预测是主管部门进行正确决策和规划的重要内容。另外,港口物流园区的规划与建设与覆盖地区范围内港口货物吞吐量密切相关,港口货物吞吐量预测可以提供定量的决策依据。
2 预测方法简介
一般港口货物吞吐量预测的方法包括定性和定量的两大类预测方法:定性预测具体方法有德尔菲法、主观概率法、情景预测法等;常用的定量预测方法主要分为时间序列预测方法、因果关系预测方法、组合预测方法,另外还有投出产出模型预测、弹性系数法等方法。
趋势预测法、指数平滑法、灰色预测法以及组合预测法这些都是在港口货物吞吐量预测中比较常见的预测方法。
2.1 趋势预测法
趋势预测法又称趋势外推法,是以历史的时间序列数据为基础,按时间预测的趋势外推目标因子未来发展变化的一种定量预测方法[2]。趋势预测法的主要优点是考虑时间序列发展趋势,使预测结果能更好地符合实际。常见的方法有直线趋势预测和曲线趋势预测,曲线趋势预测中还包含有多项式、指数、对数、乘幂等曲线预测。
①直线趋势预测:undefined
②多项式曲线预测:undefined
③指数曲线预测:yt=aebt
④对数曲线预测:yt=a+blnt
⑤乘幂曲线预测:yt=a·bt
其中t为时间序列,yt为第t期预测值。
2.2 二次指数平滑预测法
指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法,其特点是以前期实际值和前期预测值为依据,经过修均后得出的本期预测值。
据平滑次数不同,指数平滑法分为:一次指数平滑法、二次指数平滑法和三次指数平滑法。二次指数平滑预测步骤如下:
设时间序列为x1,x2,x3,……,xt,平滑系数为a,Sundefined为第t期第i次指数平滑值,则:
二次指数平滑预测模型为:
y(t+T)=at+bt·T
其中T为从t时间起向前预测的时间期数,at、bt为待定系数,
undefined
2.3 灰色GM(1,1)预测法
灰色预测法已经在许多领域使用,在物流园区货运量预测中,灰色预测法也是主要的预测方法之一。灰色预测中比较常用的是GM(1,1)模型,它具有要求样本数据少、原理简单、运算方便、短期预测精度高、可检验等优点,因此得到了广泛的应用,并取得令人满意的效果。灰色GM(1,1)预测法的算法如下:
设x(0)为原始观察序列,共有n个观察值x(0)(1),x(0)(2),…,x(0)(n),对x(0)作累加生成得到新的数列undefined。
对数列x(1),可建立预测模型的白化形式方程:undefined
式中,a,u为待估计参数,分别成为发展系数和内生控制灰数,可用最小二乘法求得:
undefined
将求得的参数值代入一阶微分方程,求解并还原可得到GM(1,1)预测模型:
undefined
3 广东省港口货物吞吐量预测计算
3.1 趋势预测及实现
对表1数据分别作直线、曲线方程拟合,并分别得到相关系数R值,相关系数R值越接近于1说明相关程度越高,拟合情况越好,因此选择R值最大的拟合方程进行预测。通过Excel对广东省港口货物吞吐量进行拟合,得出当拟合函数为二次多项式曲线时R值最大,拟合度最高。
此时,相关系数R2=0.9901,平均绝对百分误差undefined,说明二次多项式曲线拟合度很高,误差也较低,可以进行预测,此时预测模型函数方程为:y=7.4735x2+9252.8x+25208,x为时间序列。
3.2 二次指数平滑预测及实现
从广东省港口货物吞吐量历史时间序列数据可以看出,它大体呈长期增长趋势,可用二次指数平滑法进行预测。指数平滑系数α的选取,一般采用原则上合理的多个α值试算的办法,从中选取相对误差较小的α值。经过多次试算得到当α=0.9时,相对误差较小,计算情况见表2。
et=xt-yt,表示各观测点实际值和预测值之间的误差。根据表中的计算可得到平均绝对百分误差undefined。
根据误差计算结果可以看出平均绝对百分误差为4.34%,小于5%,因此利用二次指数平滑模型进行预测是可行的,此时得到二次指数平滑预测模型如下:
y(10+T)=122106.93+16602.555·T
3.3 灰色GM(1,1)预测及实现
对原始数列累加生成得累加数列:
x(1)={34696,78798,130138,192853,263779,346477,440044,538839,641600,763858}
构造数据矩阵B和数阵向量Y:
undefined
用最小二乘法求待估计参数a,u得:
undefined
根据以上计算可得到灰色GM(1,1)预测模型为:
(单位:万吨)
最后,灰色预测模型是否适用还需要对模型进行检验,灰色预测的检验方法有残差检验、关联度检验和后验差检验,本文对预测模型进行残差检验和后验差检验。
残差检验:残差et=xt-yt,平均绝对相对误差undefined。
后验差检验:经计算得方差比c=0.147,小误差概率p=1,根据GM(1,1)模型精度检验等级经验[3]可知,该预测有好的预测精度,可用所建模型进行预测。
3.4 组合预测及实现
在许多情况下,单纯利用一种特定的预测方法进行预测往往具有片面性。如从预测结果可以看出,各个单项预测数据相差较大,灰色预测在短期预测时误差较低,精度较高,但随着时间增加,数据的增速也加快,长期预测增长效果就会变差,预测精度变低。单一的预测方法存在一定的缺陷,不可能达到完全精确,如二次指数平滑预测最大相对误差为12.36%。如果简单地将对中长期预测误差较大的一些方法舍弃掉,将会丢失一些有用的预测方法。组合预测方法就是有效的综合多种单项预测模型的优点,在一定程度上可以克服单项预测模型的局限性,提高预测精度,改善预测效果。
组合预测法就是先利用不同的单项预测法对同一预测对象进行预测,然后对各个单独的预测结果做适当的加权平均,最后取其加权平均值作为最终的预测结果的一种预测方法[4]。组合预测的关键是如何恰当地确定各个单项预测方法的加权系数,而且采用不同的最优准则就会有不同的最优组合预测模型。标准差法可以使拟合度较好,误差较低的预测模型被赋予较高的权重,是一个比较简单可行的权重计算方法[5],本文采用标准差法确定组合预测模型的权重。具体计算如下:
每个单一预测模型的权重为wi,有:
undefined为单项预测模型的标准差,n为单项预测模型个数。
根据表3的结果可以计算出趋势预测标准差S1=2999.19,二次指数平滑预测标准差S2=6100.36,灰色预测标准差S3=4011.16。由此可计算出趋势预测模型权重w1=0.3856,二次指数平滑预测模型权重w2=0.2674,灰色预测模型权重w3=0.3470。组合预测模型为:
Y=w1Y1+w2Y2+w3Y3=0.3856Y1+0.2674Y2+0.3470Y3
(Y1为趋势预测值,Y2为二次指数平滑预测值,Y3灰色预测值)
由此组合预测模型的平均绝对相对误差MAPE=3.2%,最大相对误差为5.28%,最小相对误差为0.6%,相对误差上的偏差都比各个单项预测模型的相对误差小,说明组合预测能够有效改善预测的效果,预测精度高,比单项预测更加适合于实际预测。组合预测结果见表4。
(单位:万吨)
4 结论及分析
本文分别用趋势预测、二次指数平滑预测和灰色预测三种单项预测方法对广东省港口货物吞吐量进行预测,由于单项预测方法各自的特点使预测结果存在较大差异,预测相对误差也较大,预测效果不尽理想,因此采用组合预测技术对广东省的港口货物吞吐量进行预测。组合预测法充分利用了各单项预测数据,预测精度在95%以上,且相对误差与单项预测相比有了显著降低,最后得到了预测效果比单一预测方法更好的组合预测模型。
经过预测得出2015年广东省港口货物吞吐量为193878万吨,到2020年广东省港口货物吞吐量为291898万吨。尽管实际中港口货物吞吐量存在社会、环境、经济等影响因素,使理论预测具有一定的偏差。但从理论预测上依然可以得出,广东省港口货物吞吐量将保持增长态势,伴随着广东省“十二五”规划的开始实施和广东省港口物流的整合,广东省港口物流还存在着很大的发展空间。因此广东省港口物流需要借鉴国内外港口物流的发展经验,充分把握自身港口物流的优势,克服现有港口发展中存在的如无序竞争、定位模糊、重复建设等问题,将港口资源有效整合,科学规划,向大型化、专业化方向发展,提升广东省港口物流的综合发展水平。
参考文献
[1]苏明,单嘉雯.广东沿海港口物流的发展与对策探析[J].物流科技,2011,34,(8):46-48.
[2]戴凤君,朱晓敏.趋势预测法在长江下游干流径流量演变趋势分析中的应用[J].水文,2010,(5):42-45.
[3]刘芳,高波,Golinova S.F.灰色序列模型在物流园区货运量预测中的应用[J].成组技术与生产现代化,2005,(4):22-24.
[4]朱超.组合预测在港口吞吐量预测中的应用研究[J].港工技术,2006,9,(3):10-12.
港口吞吐能力 篇6
然而, 发展中的宁波港依然面临竞争加剧、港口的基础设施总量相对不足、各类专业性码头泊位吞吐能力缺口不断扩大等等问题, 因此, 宁波港该如何审时度势, 继续发挥港口的功能和优势, 加快自身发展, 应对各方挑战, 已成为港口面临的重大课题。众所周知, 港口吞吐量是港口发展规模的重要指标, 是港口生产近期安排、中期计划、远期规划的基础。鉴于此, 本文试图在分析宁波港近三十余年发展变化规律的基础上, 以吞吐量为港口产出指标, 借助SPSS软件, 定量分析港口发展的内在驱动因素, 并对宁波港的未来发展趋势作出预测, 以期为有关部门确定港口布局、投资规模、营运策略等提供参考。
一、相关研究回顾
理论来源于实践, 同时相关的理论研究又是为解决现实的问题服务的。长期以来, 作为近代中国“五口通商”口岸之一的宁波港, 其高速发展以及在发展过程中出现亟待解答的问题也引起了学术界的高度关注, 从文献检索来看, 已有的相关研究围绕三个方面展开:一是从战略规划高度出发, 围绕宁波港自身具有的优劣势, 结合对当前社会经济形势的判断, 对宁波港持续发展提出了一些具有建设性的建议[1~3]。二是从港口发展与所在城市地方经济发展相互促进的辩证关系出发, 探讨港口吞吐量与区域经济发展的关联程度, 大多数研究表明这两者之间有着密不可分的关系。如钟昌标和林炳耀 (2000) 运用投入产出模型对宁波港发展的社会效益研究表明, 宁波港每增加1元产值, 能够带来89.64元社会效益[4];王岳聪 (2007) 认为宁波地区GDP对宁波港的边际贡献率较高, 每亿元GDP增长为港口带来11.93万吨左右的港口吞吐量提升[5];但邓焕彬和朱善庆 (2009) 利用Panel Data模型, 得出港口吞吐量对宁波经济发展促进作用的弹性系数为0.08 (小于0.1) , 意味着吞吐量对港口对宁波地方经济影响较小[6]。三是港口吞吐量影响因素与发展预测研究。从现有的文献来看, 在研究港口吞吐量影响因素方面, 主成分分析法得到众多学者的青睐, 但由于研究对象、研究时间区间、选择的变量等不同, 得出的结论存在较大的差异。
从上述的分析中可以看出, 尽管国内外学者对宁波港给予了应用的重视, 开展了一系列有益的探索并形成了一些有价值的研究成果。然而, 这些研究对于解决当前宁波港所面临的困境而言, 仍然缺乏直接的指导性, 有必要作进一步探索和研究。
二、宁波港发展现状及内在驱动因素实证分析
(一) 改革开放以来宁波港发展变化特征
1.体制创新推动港口实现跨式发展
改革开放以来, 中国港口管理体制进行了两次改革, 即1984年对沿海13个港口实行的“中央和地方双重领导, 以地方为主”管理体制改革, 和2001年11月再次将港口管理改为“地方直接管理, 实行政企分开”, 体制创新有力地推动了港口发展, 宁波市政府抓住机遇, 确立“以港兴市, 以市促港”的发展战略, 使得宁波港焕发出新的生机和活力。2004年8月国务院同意包括宁波在内7个港区开展区、港联动试点, 同年出台了《中华人民共和国港口法》, 这些对促进港口管理加速与国际接轨, 推动港口经济市场化的良性发展, 实现港口的跨式发展起到十分重要的作用。
2.流程优化拓展服务的广度和深度
从1996年5月起, 宁波口岸查验和服务单位全部进驻港区现场联合办公, 为客户提供报关、查验、金融、保险、船代、货代等一条龙服务;1999年6月底起启动杭州至宁波异地”直通关”业务;同时在金华市金三角工业园区建设国际集装箱堆场, 设立金华至宁波海关直通式监管点和商检机构, 大大减少了中转环节, 使宁波港为浙江省内陆地区提供经济、便捷的出海通道;而后建成的义乌、金华、衢州、慈溪、萧山、绍兴、上饶、鹰潭八个无水港, 以及甬台温铁路、杭州湾跨海大桥、甬金高速、绕城高速等集疏运体系的完善, 使得宁波港口腹地得到进一步拓展。港口业务管理信息化、网络化以及港航系统内部办公自动化, 满足客户便捷沟通需求, 提高了港口服务效率。
3.三大动力共同促进港口运输量迅猛增长, 国际环境影响显著
地区经济的快速增长, 进出口货物及运输结构调整, 集装箱化率提高, 三大因素共同推动了宁波港口吞吐量高速增长, 尤其在加入WTO之后, 社会各界充分发挥劳动力资源比较优势, 对外贸易发展迅猛。然而受2008年美国金融危机以及随后发生的欧债危机等国际环境影响, 港口吞吐量出现一些波动, 从图1中可以看出, 不同计划时期有较大差异: (1) “六五”和“七五”时期均出现前三年增长相对缓慢, 后两年增长加速情形;年均增长率相对较高; (2) “八五”时期港口货物吞吐量年均绝对增长量达860万T (是“七五”时期的2.8倍) , 除1994年度增长率略趋减缓之外, 仍然保持年均21.8%高速增长率; (3) 由于遭受亚洲金融危机影响, “九五”时期增幅进一步下降, 但随后经济复苏以及对外开放贸易, 宁波港口吞吐量在“十五”时期呈现直线增长态势, 年均绝对增长量高达3 067万T, 增速达18.4%; (4) 受国际环境影响, “十一五”增速趋缓, 但从宁波港2011—2012年运行情况来看, 增长态势喜人。
注: (1) 图中纵轴表示吞吐量, 横轴表示每个计划时期五个年度; (2) 左侧箱型图中横线表示中位数所在位置, 圆点表示平均值所在位置; (3) 数据来源于宁波市统计年鉴 (2011) 。经作者整理得。
4.国内能源和战略物资中转港地位得到充分巩固和确立
独特的区位优势和港口自然条件, 使得宁波港发展成为中国铁矿、原油、液体化工进出口及煤炭、粮食等散货和集装箱集散、中转的基地, 承担为全国30多个钢厂输送着铁矿原料功能。下页图2显示了自1990年以来宁波港集装箱、煤炭及制品、石油及制品、金属矿石等主要货物吞吐量的变动轨迹。从图中不难看出, 除了石油、天然气及制品由于受2006年2月投入经营的册子岛中石化油品码头分流影响, 吞吐量出现轻微波动之外 (伴随着2009年10月大榭130万立方米油库及30万吨级油码头的投产, 分流现象已经得以缓解) , 宁波港各主要货物吞吐量基本呈现快速的增长的状态, 集装箱吞吐量由1990年2.2万TEU上升到2011年1 451.2万TEU, 年均增长21.7%, 居中国大陆港口第三位, 世界港口第六位, 谱写了集装箱增长“世界看中国, 中国看宁波”的神话。
(二) 宁波港口发展内在驱动因素分析
1.数据来源与变量选择说明
港口吞吐量 (Port Throughput) 是衡量港口规模大小的最重要指标, 也是衡量国家、地区经济发展的重要的参考依据。影响港口吞吐量的因素十分复杂, 它既包括港口自身条件因素, 也包括客观的区域因素, 如腹地的大小, 生产发展水平的高低, 外向型经济发展状况和进出口商品的数量等等。根据前述学者的研究, 结合宁波港实际情况, 本研究将地区GDP (亿元) 、人均GDP (元/人) 、进出口贸易总额 (亿美元) 、铁路货运量 (万吨) 、公路货运量 (万吨) 、全社会固定资产投资 (亿元) 、外商直接投资 (亿美元) 等7个因素纳入模型分析范围。
数据来源:宁波统计年鉴和宁波市国民经济和社会发展统计公报。
为了使本文研究结果有更强的时效性和解释能力, 同时考虑到各指标变量时间序列数据的可得性和完整性, 本文将研究的时间范围限定在1990—2011年, 其中1990—2010年各变量数据来源于宁波统计年鉴;2011年数据来源于宁波市统计局发布的《2011年宁波市国民经济和社会发展统计公报》;在分析过程中用到的各变量月度数据来源于宁波市交通管理委员会、宁波市港口管理局官方网站 (www.nbjt.gov.cn) 。
2.研究方法确定
从现有的文献来看, 在港口吞吐量影响因素的研究中主成分分析法得到推崇, 但在实际的应用中, 该方法更多地只是一种达到目的的中间手段, 往往被作为许多大型研究的中间步骤, 在对数据进行浓缩后继续采用其他其他多元统计方法以解决实际问题。考虑到港口自身条件、所处腹地经济条件等差异, 以及不同研究方法有着自己严格的适用条件, 因此, 为尽可能捕捉影响港口吞吐量的关键因素, 本研究首先对数据进行预处理分析。在数据预处理的过程中, (1) 为消除不同量纲影响, 便于比较和统计分析, 将所有变量进行标准化处理; (2) 各变量之间的散点图矩阵表明, 自变量与应变量之间存在显著的线性关系; (3) 地区GDP与人均GDP两个变量之间完全线性相关 (Pearson相关系数为1.000) , 因此, 在后续的模型构建时, 仅选择反映经济总量的地区GDP。最后确定应用多重线性回归模型刻画宁波港吞吐量与其影响因素之间的关系[16], 即:
在 (1) 式中:y和表示实测值和估计值;ei为残差, 是应变量实测值与估计值之间的差值;b0为常数项;b1为偏回归系数, 表示当其他自变量取值固定时, 自变量xi每改变一个单位时的变化量;n为自变量个数。
3.模型拟合与结果分析
SPSS中提供的自变量进入模型的方法有前进法 (Forward) 、后退法 (Backward) 、逐步回归法 (Stepwise) 以及不加选择的将所有变量都纳入模型默认选项Enter和规定为Remove的自变量强制剔除出模型的Remove选项。根据本文的研究目的, 选择“后退法”作为模型自变量筛选方法, 即首先将所有自变量都纳入回归模型, 考察其中无统计学意义的k个自变量 (k≤n) , 将其中P值最大者 (xi) 剔除出模型。如此反复进行, 直到模型中剩余的所有自变量均有统计学意义为止, 即首先将选定的自变量包括地区GDP (亿元) 、进出口贸易总额 (亿美元) 、铁路货运量 (万吨) 、公路货运量 (万吨) 、全社会固定资产投资 (亿元) 、外商直接投资 (亿美元) 全部纳入模型分析, 然后根据其在模型中是否具有统计学意义逐一筛选, 最后确定进入模型变量。
在SPSS输出的“进入模型变量说明表”中给出了在模型拟合过程中四个步骤中每一步引入或剔除出模型的变量。首先被剔除出模型的是铁路运输量, 接着是地区生产总值和进出口贸易总额这两个变量。也就是说, 最终进入回归模型的自变量包括公路运输量、固定资产投资和外商直接投资。
在SPSS输出的回归方差分析表中 (见下页表2) 显示了模型拟合的四个步骤所得的模型拟合优度。其中, 模型4的复相关系数R为0.997, 校正的判定系数R2为0.993, F统计值为968.28, 模型4各检验值表明其显著优于其他三个回归方程。
同样, 回归系数及显著性检验的计算结果显示, 模型4的常数项的t的显著性概率为1, 表示常数项与0没有显著差异, 表明常数项不应出现在模型中;变量“公路运输量”的显著性概率为0.079 (小于0.10) , 表示“公路运输量”对港口吞吐量呈正向影响, 且变量“公路运输量”偏回归系数为0.125, 大于变量“固定资产投资” (其偏回归系数为0.113) , 说明变量“公路运输量”对港口吞吐量的影响 (或者说贡献) 大于“固定资产投资”;变量“固定资产投资”的t的显著性概率为0.000, 显著异于0, 其偏回归系数达0.776, T统计值为8.864, 说明在进入模型4的三个解释变量中, “固定资产投资”对宁波港港口吞吐量的贡献最大。
4.模型的进一步诊断与修正
从上述多元线性回归模型拟合的结果来看, 变量“公路运输量”、“固定资产投资”、“外商直接投资”都可以作为解释变量存在于模型中, 解释宁波港港口吞吐量的变化。然而, 从统计学意义角度来讲, 在利用多元线性回归模型研究经济与管理问题时, 可能会存在由于多个变量有共同的变化趋势而出现的多重共线性问题, 也就是导致回归模型给出虚假的回归效果好的结论, 需要进一步进行诊断。从下页表3模型的多重共线性诊断 (Collinearity Diagnostics) 结果来看, 各变量的容忍度 (Tolerance) 小于0.1, 方差膨胀因子 (Variance inflation factor, VIF) 大于5, 说明存在严重的多重共线性, 需要作进一步处理。根据常见的五种多重共线性问题的处理方法, 采用逐步回归法逐步删除不重要的 (t值相对小的) 解释变量。结果表明, 变量“固定资产投资”是目前宁波港港口吞吐量的最重要的影响因素 (模型R2为0.991, F统计值为2 247.544, 方差膨胀因子VIF=1.000) 。
注:a.Dependent Variable:Zscore:港口吞吐量:万吨。
三、宁波港货物吞吐量发展趋势预测
港口吞吐量的时序变动轨迹是港口各种综合因素的影响结果, 从理论上讲, 根据这种变化趋势做时间上的外推可以在一定程度上预测某港口在一定时期内可能的发展趋势。因此, 在宁波港口吞吐量预测的研究中, 考虑到“软、硬环境”的影响, 选取2000—2011年宁波港港口吞吐量的实际值并借助于SPSS软件进行曲线拟合。在曲线拟合的过程中发现, 港口吞吐量变动轨迹与二次项方程 (Quadratic) 拟合最好, 由此得回归模型为:
方程 (2) 中, Y为宁波港货物吞吐量, 单位为万吨;t为年份 (设2000=0, 2001=1……2011=11) 。
上页图3为2000—2011年宁波港口货物吞吐量的时序图, 图中直观地刻画了实际值、拟合值以及95%置信区间估计值的分布, 拟合曲线较好地反映了实际观测值的变化趋势。
表4显示, 模型的预测结果与其统计数据之间误差的平均值较小, 说明方程 (2) 能够较好地反映实际情况。根据模型可以推测出, 至2015年宁波港港口吞吐量将达到53 740万t, (1) 2020年达到63 766万t。
四、结论与建议
实证研究结果表明: (1) 固定资产投资对宁波港货物吞吐能力提升的拉动效应显著。说明宁波市委市政府在进入新世纪以来高度重视固定资产投资尤其是保持高强度的交通固定资产投入 (2) 政策收效明显, 高速公路、铁路、航空和江海联运、水水中转等全方位综合性的集疏运网络体系的形成, 大大提高了宁波港口凝聚和辐射功能。 (2) 地区生产总值与港口吞吐量尚不存在显著的互动关系。原因有两个:一是正如邓焕彬和朱善庆 (2009) 研究所指出的“港口的服务腹地远大于港口所在城市范围”所致;二是港口对所在城市的贡献不仅体现在地区GDP增长方面, 更体现在港口对城市的间接经济贡献方面, (3) 如港口服务业和相关产业对区域经济直接影响的波及效应对该地区产生的第二轮及其之后的各轮的经济影响等。 (3) 宁波港口货物吞吐量仍将保持较高的发展速度。腹地经济的持续快速发展、人民生活水平的提高、城市化进程的不断加快以及腹地资源开发都将扩大对港口运输的需求, 同时也将对宁波港的综合运营能力提出新的要求。
因此, 为解决当前港口供给能力结构性不足与不断增长的运输需求之间的矛盾, 真正实现“港为城用, 城以港兴”, 建议: (1) 在加大基础设施投资建设的同时, 更加关注“建设、养护、管理和运输服务协调”发展, 由依靠“量”的相对满足和扩张向更加注重服务的质量和效率转变, 优化“无水港”布局; (2) 鉴于宁波、舟山两港同属一个海域, 共用同一条航道和锚地, 实为一个整体, 为了适应港口发展需要, 积极推进宁波-舟山港一体化建设步伐, 合理配置现有资源; (3) 发挥港口优势, 调整港口直接产业、相关产业与依存产业与宁波城市产业的关系, 培育发展高端海洋服务业, 为宁波市突破第三产业长期偏低问题 (4) 寻找解决方案。
摘要：采用1978—2011年的时间序列数据, 借助于SPSS软件, 对改革开发以来宁波港发展现状及内在驱动因素进行了定量分析, 并对其未来若干年的变化趋势进行预测。研究结果表明, 不同时期港口货物吞吐量增幅存在差异, 但总体上保持较快稳步增长态势;固定资产投资对宁波港口货物吞吐量影响显著, 国际环境等因素虽有影响但不显著;投资的推动和需求的拉动双重作用将促使宁波港口吞吐量再上新台阶。
关键词：宁波港,港口吞吐量,影响因素
参考文献
[1]陈旻蔚.宁波港持续发展战略研究[D].北京:对外经济贸易大学硕士学位论文, 2005:7-12.
[2]孙秋高.宁波港向“第四代港口”跨越式发展的战略思考[J].中国港湾建设, 2008, (4) :80-83.
[3]童蒙达.宁波港跨越发展的启示[J].港口经济, 2009, (1) :37-39.
[4]钟昌标, 林炳耀.一种港口社会效益定量分析方法的探讨——以宁波港为例[J].经济地理, 2000, (5) :70-73.
[5]王岳聪.一种关于GDP与港口吞吐量关系的分析方法探讨——以宁波港为例[J].经济论坛, 2007, (20) :80-82.
[6]邓焕彬, 朱善庆.全国沿海主要港口吞吐量与地区经济发展关系研究[J].中国港口, 2009, (2) :43-48.
[7]张文彤.SPSS统计分析高级教程[M].北京:高等教育出版社, 2004:97-117.
港口吞吐能力 篇7
沿海港口吞吐量预测是确定沿海区域内港口物流发展规模, 规划区域内港口发展总体布局, 划分区域内港口功能的重要依据之一, 是区域内港口规划决策的首要前期工作, 港口在物流中的作用决定了沿海吞吐量在物流规划中的意义[1]。如果沿海吞吐量预测不正确或不准确, 将会导致规划决策失误, 从而给港口带来经济损失, 甚至会影响城市、地区、全国经济的发展。沿海港口发展是社会大系统的一部分, 沿海吞吐量的预测必须从整体出发, 遵循一定的原则, 与整个社会经济相协调, 符合社会发展规律, 既实事求是又具有一定的前瞻性。用于预测的方法较多, 一般分为定性预测方法和定量预测方法[2,3]。定性预测方法有德尔菲法、情景分析等, 定量分析方法有自相关时间序列、灰色系统、回归分析、指数平滑、神经网络等, 这些预测方法都可以运用到沿海吞吐量的预测之中[4,5,6]。但影响沿海吞吐量的因素众多, 加之数据会因为经济环境与政策的影响会有异常和突变的情况发生, 因此, 各种预测方法都有一定适用性、局限性, 而一种较精确、不易受异常数据干扰的预测方法显得尤为重要[7]。
神经网络具有通过学习逼近任意非线性映射的能力, 而且精度高, 因此在非线性系统的时间序列预测方面得到了广泛的应用[8,9]。在众多的神经网络模型中, RBF神经网络是一种新颖有效的前向型神经网络, 具有较高的运算速度和外推能力, 它通过非线性基函数的线性组合实现从输入空间RN到输出空间RM的非线性转换, 特别适合非线性时间序列的预测[10,11]。
本文提出了一种基于灰色时间序列的RBF神经网络模型, 用以解决沿海吞吐量预测。文中给出了网络模型与算法原理, 而对福建省沿海吞吐量预测的实例应用则证明了方法的有效性和适用性。
2. 基于RBF神经网络的灰色时间序列模型
2.1 RBF神经网络简介
RBF神经网络是由Moody和Darken提出的一种神经网络模型, 它模拟了人脑中局部调整、相互覆盖接受域的神经网络结构, 具有很强的生物背景和逼近任意非线性函数的能力。RBF网络是一种3层前馈网络, 输入层由信号源节点构成, 第2层为隐藏层, 由径向基函数构成, 节点数视需要而定, 第3层为输出层, 节点通常是简单的线性函数。在RBFNN中, 从输入层到隐藏层的变换是非线性的, 隐藏层的作用是对输入向量进行非线性变换, 而从隐藏层到输出层的变换是线性的, 也就是网络的输出是隐藏层节点输出的线性加权和[12]。
2.2 RBF神经网络的结构
径向基神经网络模型为三层结构, 有输入层、隐含层和输出层组成, 网络结构如图所示。根据图中箭头所示从左到右分别为输入层、隐含层和输出层。
径向基函数为:
2.3 RBF网络的学习过程
RBF网络的学习过程分为两个阶段。第一阶段, 根据所有的输入样本决定隐层各节点的径向基函数的中心值Cj和径向基函数的宽度σi。第二阶段, 在决定好隐层j的参数后, 根据样本, 利用最小二乘原则求出输出层的权值Wi。有时在完成第二阶段的学习后, 再根据样本信号, 同时校正隐层和输出层的参数以进一步提高网络的精度。
由此可见, 根据给定的训练样本, 快速有效地确定径向基函数的中心Cj和输出层权值Wi是训练RBF神经网络的关键任务。事实上一旦确定了径向基函数中的Cj, 则对于所有的训练样本而言ϕj和预期输出yk是已知的, 输出权值Wj可以由最小二乘法等方法求出。因此, 建立RBF神经网络的关键问题是根据给定的训练样本确定径向基函数的中心。
在RBF网络的训练过程中, 参数训练的焦点集中在RBF的中心和宽度[4], RBF的中心的确定常用以下几种方法:
(1) 固定法。隐藏层节点数和训练数据的数目相等时, 隐藏层的中心为输入数据的向量;
(2) 随机固定法。隐藏层节点的中心可以某种具有随机性的方法来选取;
(3) Kohonen中心选择法。从n个模式中选择k个模式作为隐藏层节点的中心向量的初始值;
(4) 利用kmeans聚类中心。
RBF的宽度的确定一般采用如下几种方法:
(1) 固定法。宽度d是所有类的最大距离, M为RBF中心的数目;
(2) 平均距离。RBF宽度的一个合理估计是σj=〈‖μi-μj‖〉, 它表示第j类与它最近邻的第i类的欧氏距离;
(3) 其他方法。σj=α〈‖μi-μj‖〉, 其中a介于1.0和1.5之间。
2.4 灰色预测模型GM (1, 1)
灰色时间序列预测, 即用观察到的反映预测对象特征的时间序列来构造灰色预测模型, 预测未来某一时刻的特征量, 或达到某一特征量的时间。
建立灰色时间序列预测模型, 包括以下几步[5]:
其中:a称为发展灰数;μ称为内生控制灰数。
求解微分方程, 即可得预测模型:
3) 模型检验
灰色预测检验一般有残差检验、关联度检验和后验差检验。
2.5 ARIMA模型
ARIMA模型是一类常用的随机时序模型, 它是一种精度较高的时序短期预测模型, 利用AR IMA模型进行预测的基本思想是:某些时间序列是依赖于时间t的一族随机变量, 构成该时序的单个序列值虽然具有不确定性, 但整个序列的变化却有一定的规律性, 可以用相应的数学模型近似描述[13,14]。通过对该数学模型的分析研究, 能够更本质地认识时间序列的结构与特征, 达到最小方差意义下的最优预测, 其步骤分为:
第一步:检验数据的平稳性。根据时间序列的折线图、散点图、自相关函数和偏自相关函数图, 从直观上对序列进行初步的平稳性判断。一般以ADF单位根检验其方差、趋势及其季节性变化规律, 对序列的平稳性进行识别。
第二步:对非平稳序列进行平稳化处理。对于非平稳的含指数趋势的时间序列, 需要先通过取对数将时间序列的指数趋势转化为线性趋势, 再用差分法进行处理。一般来讲, 一阶差分可以消除线性趋势, 二阶差分可以消除二次曲线趋势。如果数据存在异方差, 则需对数据进行技术处理, 然后判断经处理后序列的平稳性, 重复以上过程, 直至成为平稳序列。
第三步:对差分后平稳序列进行ARIMA (p, q) 模型定阶。计算出自相关系数和偏自相关系数值之后, 利用其性质来估计自相关阶数p和移动平均阶数q的值, 选择适当的ARIMA (p, q) 模型进行拟合。
第四步:利用拟合模型对模型进行预测, 得到原序列的将来走势[15]。
2.6 模型应用步骤
1) 输入原始数据资料;
2) 分别应用灰色时间序列和ARIMA模型进行预测, 得到已知年限的拟合序列和未知年限的预测序列;
3) 将拟合序列值作为输入量, 原始数据作为期望值, 对RBF神经网络进行训练, 得到相应的权值和阀值;
4) 在3) 的基础上, 以预测序列作为输入量进行预测, 即可得到具有相当精度的预测量。
3. 模型应用:福建省沿海港口货物吞吐量预测
3.1 福建省沿海港口货物吞吐量发展现状
福建省是全国港口较多的省份之一, 主要有福州、厦门、泉州、莆田、宁德、漳州等港口。随着沿海港口、内河航道基础设施建设完善, 港口功能进一步发展。福州港、湄洲湾港、厦门港三大港口建设步伐加快, 厦门港进入我国集装箱干线港口行列, 其集装箱吞吐量居全国第七位;福州港成为我国沿海主要港口之一。福建港口经济优势日益突出, 正逐步成为大型化、规模化、集约化的综合性现代港口。
我们对福建省各主要港口群近十年来货物吞吐量的发展情况进行分析, 由表1可见, 厦门与漳州港稳步发展, 吞吐量不断上升, 而福州与宁德港的吞吐量则在2007年有所下降, 之后继续攀升。此外, 泉州港的货运量上升趋势相对平滑, 而湄洲湾的港口则在缓慢上升, 在2009年由于受金融危机的影响, 吞吐量有所下降。
我们以表1中福建省沿海港口总吞吐量为实例, 应用以上模型对其进行预测。
3.2 双时间序列拟合结果
首先, 我们利用2000年-2010年的数据运用灰色模型GM (1, 1) 模型对总吞吐量进行灰色时间序列拟合, 可得模型为:
后验差为0.149, 小于0.35, 且小概率误差大于0.95, 所以模型效果好
平均绝对百分误差为8.78%。
因此拟合效果比较好。
同时运用ARIMA (2.1.1) 时间序列预测, 其平均绝对误差为5.47%, 拟合度为98.4%
2000年-2010年的原值、模拟值、绝对误差、相对误差如表2所示
3.3 RBF神经网络的实现
将灰色时间序列作为输入量, 将原始数列作为期望值, 应用MATLABR2008A (ANN Tools) 编写该例的RBF神经网络程序。对于该例RBF神经网络的结构为:输入层3个节点、输出层1个节点。
为了加快训练网络的收敛性, 首先对数据进行归一化的预处理, 文中采用的是Matlab自带的归一化函数prestd, 将数据归一化为单位方差和零均值, 预测处理完后, 又将数据按相反的规则转换过来。
具体指令如下:
所拟合所得值如表3所示。
由表3可见, 上述十年的数据拟合表明模型的相对误差在000~6.45%之间, 而平均误差则为2.86%, 因此建立起来的福建省货物吞吐量预测模型在实际的货运系统中有较好的拟合效果, 完全可以在实际预测中应用。
由此, 进一步对未来的值进行预测, 结果如表4所示。
4. 结论
经过研究和实例测试, 可知基于灰色时间序列输入的RBF神经网络可以较好地实现对沿海港口吞吐量的预测, 并且预测结果具有较高的精度。而通过对福建省港口货物吞吐量的预测, 验证了该网络的可靠性与准确性, 同时预测的结果可以为政府规划与政策的制订和实施提供有力的依据。
摘要：沿海港口吞吐量的预测对于交通与经济发展策略的制定至关重要。在沿海吞吐量预测中, 影响因素多且复杂, 传统的计量经济模型很难得到满意的结果。相较于传统预测方法, 神经网络模型可以提高预测结果精度和稳定性。在历史数据可得性的基础之上, 基于灰色时间序列和ARIMA时间序列模型, 构建RBF神经网络预测模型。最后通过福建省港口货物吞吐量预测作为实例进行验证, 结果表明该方法具有较好的实用性。
港口吞吐能力 篇8
广西北部湾经济区是我国西部大开发地区唯一的沿海区域, 也是我国与东盟国家既有海上通道、又有陆地接壤的区域。钦州港位于北部湾湾顶的钦州湾内, 是我国西南地区主要出海口。随着 《广西北部湾经济区发展规划》 的实施, 钦州港将建设面向东盟的区域性国际航运中心, 钦州港将发挥越来越重要的作用。港口吞吐量的预测是港口决策的重要依据, 钦州港口吞吐量的预测将为区域性国际航运中心建设、以及国家级经济技术开发区建设提供重要的决策依据。
港口吞吐量预测的常用方法主要有时间序列法、因果分析法、组合预测法。这三类方法都各有优势, 但也存在自身的缺陷, 使得预测的准确性和精度难以保证。时间序列法, 由于其只考虑了港口吞吐量自身历史的变化, 影响因素单一, 使得预测结果会出现很大的误差;因果分析法在预测的过程中未做到细致的研究港口吞吐量的变化规律和影响因素, 也将因为变量选取的不当, 难以取得较好的预测效果;组合预测法在进行单项预测模型选择时, 存在着一定的主观性和随机性, 使得该方法在实际应用时遇到了一定的障碍[1]。影响港口吞吐量的因素较多, 且各因素之间存在复杂的非线性关系, BP神经网络能够以任意精度逼近任何非线性函数, 并且输入和输出变量的数目是任意的, 因此, 采用BP神经网络的方法, 克服了常用方法中存在的缺陷, 能够对诸多影响因素进行动态研究, 建立港口吞吐量的预测模型。
1 BP神经网络的基本原理
BP神经网络是一种多层前馈神经网络, 其神经元的传递函数是S型函数, 输出量为0 到1 之间的连续量, 权值的调整采用反向传播 (Baekpropagation) 学习算法, 可以实现从输入到输出的任意非线性映射。BP神经网络是由输入、输出和若干隐含层构成, 每一层含多个神经元。神经元具有R个输入, 每个输入都通过一个适当的权值w与下一层相连, 网络输出表示为α=f誗w×p+b誗, 其中:f表示输入/输出的激活函数。信息从输入层经过逐级的变换传送到输出层 (见图1) , 同时, 误差反向传播, 控制在一定精度内。BP网络的正向输出和反向误差计算, 均可以通过MATLAB7.0 实现。
2 基于BP神经网络的钦州港口吞吐量预测模型构建
2.1 钦州港口吞吐量的影响因素确定
据2012 年底进行的实地调研结果显示, 钦州港口的后方腹地主要为广西区、云南省、贵州省、四川省、重庆市和湖南省。其中广西区内货运量占90%左右, 主要货种为金属矿石、粮食、原油、成品油、煤炭等;云南省占4%, 主要货种为金属矿石、非金属矿石、化肥、建材、成品油等;贵州、四川和重庆占4%, 主要货种为金属矿石、化肥、成品油等;湖南占2%, 主要货种为铁矿、锰矿等。首先, 从港口货物来源分析, 影响钦州港口货物吞吐量的地区主要是广西区, 因此, 广西区是钦州港重要的经济腹地, 其地区经济总量直接影响钦州港口吞吐量。其次, 从货物的种类分析, 广西区内的第一产业产值、第二产业产值直接影响港口吞吐量;第三产业提供交通运输服务, 间接影响钦州港口吞吐量。最后, 其他运输方式的发展也直接影响港口吞吐量, 因此, 广西区外贸进出口总额、铁路货运量、公路货运量、水路货运量等要素直接影响钦州港口吞吐量。由于港口吞吐量的影响因素较多, 同时各因素之间存在复杂的非线性关系, 难以用一个线性的模型表达, 因此, 采用人工神经网络的方法对历史数据进行学习和训练, 进而得到非线性网络模型, 实现钦州港口吞吐量的预测, 能够提高预测的准确性。
1999~2012 年影响钦州港口货物吞吐量的广西区各经济指标值见表1, 其中, X1, X2, X3, X4, X5, X6, X7, X8 分别表示第一产业产值, 第二产业产值, 第三产业产值, 外贸进出口总额, 铁路货运量, 公路货运量, 水路货运量;Y表示钦州港港口吞吐量。
单位:亿元/万吨
数据来源:广西统计局;1999~2012钦州港口吞吐量数据来源于钦州港口管理局
2.2 模型的建立
BP网络是一种单向传播多层前向网络, BP网络运用的是BP算法。BP算法是一种监督学习算法, 此算法除考虑最后一层外, 还考虑网络中其他各层权值参数的变化, 使得算法适用于多层网络。由于一个三层的BP神经网络可以任意逼近一个非线性函数, 因此, 选择三层BP神经网络进行仿真模拟。其中输入层为钦州港口吞吐量的各影响因素, 即第一产业产值、第二产业产值、第三产业产值、外贸进出口总额、铁路货运量、公路货运量、水路货运量, 共7 个变量。输出层为钦州港口吞吐量, 为1 个变量, 根据经验公式初步确定隐含层神经元的个数取4 个, 经过反复的训练, 最终确定神经元的个数为5 个时, 网络预测的误差最小, 相对稳定。网络隐含层神经元的激活函数采用S型正切函数tansig.m, 输出层神经元传递函数采用线性函数purelin.m, 采用改进BP算法进行学习, 得到如图2 所示的BP网络模型。此时, 隐层神经元的输入权重为 ω ( i, j) , 阈值b1= (1.8546, 1.0691, 0.2035, -0.5142, -1.7573) ;输出层神经元的输入权重为 ω2= (0.3542, -0.6036, -0.4570, -0.2524, 0.6074) , 阈值b2=0.5539。
其中, i=5 为隐层神经元个数, j=7 为输入变量个数。
3 实例分析
根据上述分析, 钦州港港口吞吐量的影响因素为第一产业产值XX1X, 第二产业产值XX2X, 第三产业产值XX3X, 外贸进出口总额XX4X, 铁路货运量XX5X, 公路货运量XX6X和水路货运量XX7X, 应用1999~2012 年的样本数据构建BP神经网络预测模型。模型构建由网络训练、测试和预测三个阶段进行。因此, 将数据分为训练样本、测试样本和预测样本。
(1) 训练样本:1999~2010 年的影响因素数据作为训练样本的输入数据, 2000~2011 年的钦州港口货物吞吐量作为训练样本的输出数据。
(2) 测试样本:2000~2011 年的影响因素数据作为测试样本的输入数据, 2001~2012 年的钦州港口货物吞吐量作为测试样本的输出数据。
(3) 预测:2001~2012 年的影响因素数据作为输入数据, 预测2002~2013 年的钦州港口货物吞吐量。
构建三层的BP神经网络, 应用训练样本对BP神经网络进行训练, 用测试样本对训练好的网络进行测试, 反复进行训练和测试的过程, 直到训练的误差达到最小, 此时得到最佳的BP网络模型, 再应用预测样本进行预测, 得出预测结果。
3.1 数据处理
为了加快BP网络的学习速度, 减少较大数值对预测结果的影响, 需要将样本数据进行归一化处理。本文应用MTLAB神经网络工具箱中的premnmx函数进行归一化处理, 采用postmnmx函数进行反归一化处理。
MATLAB7.0 程序实现过程如下:
3.2 网络训练与测试
数据归一化处理后, 构建三层BP网络, 其中, 隐含层神经元个数为5 个, 其激活函数为“tansig”;输出层神经元个数为1, 其激活函数为“purelin”;应用“train.m”函数对网络进行训练, 学习的速度快误差小。其MATLAB7.0 程序实现如下:
网络训练过程如图3所示。
通过6 次训练达到设定的精度, 网络学习的速度较快。应用归一化后的测试样本对训练好的网络进行测试, MATLAB7.0 程序实现过程如下:
得到测试结果如表2 所示, 在测试过程中, 2012年钦州港口吞吐量的实际值为5 622 万吨, 预测值为5 619万吨, 相对误差为0.0016, 相对误差小于0.01, 说明BP神经网络训练成功, 可以用于钦州港口吞吐量的预测。
3.3 预测
经过多次反复训练, 得到相对误差最小时BP网络的权值和阈值, 运用训练好的BP网络权值和阈值预测, 得到预测结果见表3, 具体MATLAB7.0 程序实现如下:
4 结论
BP网络预测的方法相对于其他定量方法来说, 它能够模拟多变量、无需对输入变量做复杂的相关假定, 通过网络的学习能力, 获得输入输出之间的映射关系来进行预测, 因此BP神经网络预测应用于港口吞吐量的预测具有一定的应用价值。随着时间的推移, 训练样本的增加, 能够进一步减小BP网络的预测误差, 能够获得更好的预测效果。
摘要：港口吞吐量的预测是港口决策的重要依据, 然而影响港口吞吐量的要素较多, 且各要素之间存在着复杂的非线性关系, 使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法, 采集19992012年的实际数据样本, 以钦州港为例进行实证分析, 构建三层BP神经网络, 预测2013年钦州港港口吞吐量。
关键词：系统工程,港口吞吐量,BP神经网络,预测模型,钦州港
参考文献
[1]祝建.我国港口吞吐量预测方法研究综述[J].中国水运, 2010 (11) :34-35.
[2]胡雪棉, 赵国浩.基于Matlab的BP神经网络煤炭需求预测模型[J].中国管理科学, 2008 (Z1) :521-525.
[3]刘枚莲, 朱美华.基于BP神经网络的港口吞吐量预测模型[J].系统科学学报, 2012 (4) :88-91.
[4]黄顺泉, 曲林迟, 余思勤.中国港口功能的聚类和判别[J].交通运输工程学报, 2011, 11 (4) :77-83.
港口吞吐能力 篇9
关键词灰色预测;灰色系统;港口吞吐量;非线性GM(1, 1,€%Z)模型
0引言
随着我国大力扶持沿海对外经济,港口建设步伐越来越快。港口建设须进行科学规划,因此,合理预测港口货物吞吐量显得尤为重要,预测结果的合理性和准确性对港口的总体布局、建设规模以及集疏运等配套设施的发展建设具有一定的借鉴意义。
港口货物吞吐量是个相对复杂的变量,受较多因素的影响,各因素间存在诸多难以确定的关系。在预测港口货物吞吐量时,一般以近几年的吞吐量数据为基础进行分析,样本量较少。针对这种“少数据不确定性”问题,本文引入灰色系统[1]理论,在传统的线性GM (1,1)模型的基础上,运用非线性GM(1,1,€%Z)模型对港口货物吞吐量数据进行模拟和预测。
1灰色预测
灰色预测是灰色系统理论的重要组成部分,即利用连续的灰色微分模型对系统的发展、变化进行全面的观察分析,并作长期预测。
灰色系统是部分信息已知、部分信息未知的系统。灰色系统理论将随机过程作为在一定范围内变化的与时间有关的灰色过程,将随机变量作为在一定范围内变化的灰色量。本文所述的港口生产经营活动是灰色过程,港口作业系统是灰色系统,港口吞吐量是灰色量。
灰色系统理论认为,尽管灰色系统的行为现象朦胧,数据杂乱无章,但毕竟有序且有整体功能,因而可对变化过程作科学预测。在灰色系统理论中,一般用数据生成来发掘这些规律,将杂乱的原始数据整理成规律性较强的生成数列,并通过一系列运算建立1阶单变量微分方程模型,即GM(1,1)模型。GM(1,1)模型具有无限增长的特性,即当时间无穷大时,预测结果也趋向于无穷大,因此,该模型在港口货物吞吐量预测中的精度不高。[2]
汕头港是我国沿海25个枢纽港之一,开港至今已与世界上68个国家和地区的289个港口建立贸易往来。汕头港拥有重要的地理位置和较好的自然条件,历来是粤东、闽西南和赣南等地区重要的物资集散地。[3]2001年我国加入世贸组织,促进汕头港与世界各地的经济联系、交流与合作。目前,汕头港已开通至地中海、中东、日本、韩国、东南亚以及南非等多条国际集装箱班轮航线,改变了以往外贸出口货物必须经香港中转的状况。在国内方面,汕头港拥有24条内贸集装箱航线,可以直达上海、青岛、天津、大连和台北等25个港口。