世界新船訂單趨勢(shì)預(yù)測(cè)的組合模型應(yīng)用分析

 新船訂單趨勢(shì)預(yù)測(cè)的組合模型
（一）趨勢(shì)移動(dòng)平均方法
新船訂單在一定時(shí)期內(nèi)具有明顯的線性變動(dòng)趨勢(shì)，本文首先采用趨勢(shì)移動(dòng)平均進(jìn)行預(yù)測(cè)，以獲取新船訂單的線性趨勢(shì)特征。假設(shè)新船訂單時(shí)間序列y1，y2，…，yt，從某時(shí)期開(kāi)始具有線性趨勢(shì)，并認(rèn)為未來(lái)亦按此直線趨勢(shì)變化，則可設(shè)此直線趨勢(shì)預(yù)測(cè)模型為：
上式中t為當(dāng)前時(shí)期數(shù)，T為由當(dāng)前時(shí)期數(shù)t到預(yù)測(cè)期的時(shí)期數(shù)，即t以后模型外推的時(shí)間，■為第t＋T期的預(yù)測(cè)值， at為截距； bt為斜率。利用世界新船訂單歷史數(shù)據(jù)進(jìn)行移動(dòng)平均預(yù)測(cè)，得到直線趨勢(shì)預(yù)測(cè)模型的結(jié)果，發(fā)現(xiàn)有的年份誤差較大，原因是該年份中船東或航運(yùn)企業(yè)的投資性需求出現(xiàn)了大規(guī)模擴(kuò)張，導(dǎo)致新船訂單的突變。利用該方法預(yù)測(cè)2012年的新船訂單為77百萬(wàn)修正總噸，2013年為66百萬(wàn)修正總噸。
（二）灰色系統(tǒng)預(yù)測(cè)算法
灰色系統(tǒng)能夠利用“較少數(shù)據(jù)”建模，并發(fā)現(xiàn)未來(lái)發(fā)展趨勢(shì)的波動(dòng)性。灰色系統(tǒng)的GM（1，1）模型是較常用的數(shù)列預(yù)測(cè)方法。本文利用1975—2011年的歷史數(shù)據(jù)，以2003年為分界選擇兩段樣本數(shù)列進(jìn)行GM（1，1）建模，并得到相應(yīng)的預(yù)測(cè)結(jié)果。從預(yù)測(cè)結(jié)果能夠看出，第一個(gè)周期的預(yù)測(cè)效果較好，而在第二個(gè)周期中，由于新船訂單表現(xiàn)出非線性的特點(diǎn)，每年的新船訂單數(shù)量會(huì)出現(xiàn)大幅波動(dòng)，因而GM（1，1）模型比移動(dòng)平均方法更為適合。利用第二周期的樣本數(shù)列得到辨識(shí)算式為：
求得a＝0.2151，b＝237.5794，得到GM（1，1）預(yù)測(cè)模型為：
X（K＋1）＝ - 1025.3063exp
（-0.21512k）＋1104.4063 （3）
利用式（3）預(yù)測(cè)到2012年的世界海運(yùn)周轉(zhuǎn)量為55百萬(wàn)修正總噸，2013年為44百萬(wàn)修正總噸。
（三）BP神經(jīng)網(wǎng)絡(luò)算法
BP神經(jīng)網(wǎng)絡(luò)算法由一個(gè)輸入層，一個(gè)或者多個(gè)隱含層和一個(gè)輸出層組成，每一層由一定數(shù)量的神經(jīng)元構(gòu)成，諸多神經(jīng)元是互相關(guān)聯(lián)的。以往的研究表明，對(duì)于三層和三層以上的BP神經(jīng)網(wǎng)絡(luò)，如果隱層神經(jīng)元數(shù)目足夠多，就能以任意精度逼近一個(gè)非線性函數(shù)。因此，隱含層上的神經(jīng)元個(gè)數(shù)對(duì)增加預(yù)測(cè)準(zhǔn)確性和收斂穩(wěn)定性具有非常關(guān)鍵的影響。根據(jù)Kolmogorov定理，本文以前4年的新船訂單量作為輸入量，輸出量是下一年的世界新船訂單，隱含神經(jīng)元選擇為8個(gè)。BP神經(jīng)網(wǎng)絡(luò)計(jì)算選擇Matlab2009軟件完成，從預(yù)測(cè)結(jié)果和實(shí)際值的對(duì)比發(fā)現(xiàn)，雖然最近幾年的新船訂單波動(dòng)較大，但是用BP神經(jīng)網(wǎng)絡(luò)能夠獲得新船訂單的非線性特征，進(jìn)行預(yù)測(cè)的效果明顯好于前面的移動(dòng)平均和GM（1，1）模型，進(jìn)一步預(yù)測(cè)2012年的世界新船訂單為72百萬(wàn)修正總噸，2013年為53百萬(wàn)修正總噸。