基于改进支持向量机(SVM)模型的荆州港吞吐量预测

发布时间：2025-07-05 10:24

　　 在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。

【文章页数】：5 页

【部分图文】：

图1 SVM回归模型的构建流程

本文针对荆州港内河港口的特点以及影响因素，选用SVM回归模型预测未来5a的港口吞吐量增长趋势。在模型构建和分析过程中，采取GA、GS等寻优算法，对预测模型的参数进行寻优，再次将寻优后的参数值代入回归模型的研究方法。算法及预测分析的流程见图1。2.2.1数据归一化处理

图2 荆州港历年港口吞吐量增长趋势

式中:Xi为样本数据;Xmin为样本数据中的最小值;Xmax为样本数据中的最大值。2.2.2优化算法参数设置

图3 遗传算法参数寻优过程

在网格搜索法中，采用3折交叉验证的方式，参数c、g取值在[2-8,28],c、g的进步大小设定为0.5，经过计算机迭代计算，输出的3D结果见图4。图4网格搜索法参数寻优过程

图4 网格搜索法参数寻优过程

图3遗传算法参数寻优过程2.2.3模型训练与验证

本文编号：4055949