毕业答辩-集装箱码头堆场动态预测分析与可视化呈现.pptx

集装箱码头堆场动态预测分析与可视化呈现ShanghaiMaritimeUniversity答辩人：指导老师：

选题背景研究意义减少箱区等待作业所需场械设备到达的时间帮助场控员提前安排场械设备调度

各个箱区装卸集提作业量预测集装箱到达码头的数量和种类提前安排场械调度

数据处理共96559行数据

数据处理处理后的数据

同航线同卸货港的集装箱到港收箱在一天内呈现出一定的规律，即该规律与时间相关，因此选用季节性自回归综合移动平均模型，简称SARIMA模型预测算法选择

P-value值为0.004008即该数据为平稳序列数据平稳性检验并且通过白噪音检测知该平稳序列为非白噪音序列单位根检验

构建时间序列一天内的集装箱到港数据以0到24小时中每小时为单位统计集装箱到港数量，将无集装箱到港的小时段记录为0

自回归项数p可定为1或2确定ARIMA模型中非季节性部分的p，q，d的值

确定ARIMA模型中非季节性部分的p，q，d的值移动平均项数q可定为1或2或3由平稳性检验该数据平稳即差分次数为零（d=0）

确定SARIMA模型最佳参数赤池信息准则（AIC）是评估统计模型复杂度和衡量统计模型拟合优良性的一种标准，AIC值越小，模型越好

最佳SARIMA模型残差图分析蓝色折线代表剩余误差，它围绕0的平均值进行上下浮动，说明具有均匀的方差标准残差图

最佳SARIMA模型残差图分析样本趋势与标准正态分布走势形状相同，为零正态分布密度估计直方图

最佳SARIMA模型残差图分析样本质量与理论质量基本重合，表明样本数据较为理想样本质量与理论质量对比图

最佳SARIMA模型残差图分析大部分绝对值为0，为非自相关相关图

预测数据与实际数据对比

预测数据与实际数据对比该模型的均方误差（MSE）为0.209

如何根据预测模型形成可视化

集装箱在不同作业中转移的过程就是集装箱码头堆场动态的体现集装箱码头堆场动态预测问题分析卸船作业可预测性较强场地计划与集装箱进箱的数量和种类相关

集装箱在不同作业中转移的过程就是集装箱码头堆场动态的体现集装箱码头堆场动态预测问题分析提箱作业可预测性较弱与客户提供货单的时间相关

集装箱在不同作业中转移的过程就是集装箱码头堆场动态的体现集装箱码头堆场动态预测问题分析集港作业可预测性较强堆存计划和进场选位与集装箱数量和种类相关

集装箱在不同作业中转移的过程就是集装箱码头堆场动态的体现集装箱码头堆场动态预测问题分析装船作业出口计划与每个卸货港的客户需求相关可预测性较弱

集装箱堆场动态可视化系统系统主界面

集装箱堆场动态可视化系统未来24小时进箱预测

集装箱堆场动态可视化系统各箱区动态热力图

集装箱堆场动态可视化系统各箱区装卸集提作业量

集装箱堆场动态可视化系统各箱区集卡等待数量

集装箱堆场动态可视化系统近一小时各航线进箱量占比

集装箱堆场动态可视化系统收箱情况统计

感恩有您铭谢师恩ShanghaiMaritimeUniversity致谢