集装箱码头堆场动态预测分析与可视化呈现.pptxVIP

集装箱码头堆场动态预测分析与可视化呈现ShanghaiMaritimeUniversity

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