分析港口物流中的文獻評述論文

分析港口物流中的文獻評述論文

　　一、引言

　　建國以來，我國港口建設發展迅速，截至2014年底，我國已擁有國內巷道通航里程12.63萬公里，港口擁有生產用碼頭泊位31，705個。在轉型升級的大背景之下，“一路一帶”戰略的實施必將會帶來新一輪的港口投資建設熱潮。準確把握未來港口物流需求無疑是合理規劃港口建設的重要前提。

　　二、文獻評述

　　從目前的研究來看，大致可以分為使用單一預測方法預測和使用組合模型進行預測兩類。單項預測方法主要包括時間序列預測法、回歸預測法和人工智能算法預測法三種。

　　（一）單一預測方法

　　1、時間序列預測法。如王再明、王宏波（2005）應用灰色系統預測理論，以GM（1，1）和殘差修正GM（1，1）模型對武漢港貨物吞吐量和集裝箱吞吐量進行了中短期的預測，并對集裝箱吞吐量的預測結果進行殘差檢驗和殘差修正。發現修正后的預測精度可達到最優的精度等級。張世良、黃躍華（2014）采用GM（1，1）擴展模型對天津港進出船舶數量進行了預測。陳寧、朱美琪等（2005）采用二次指數平滑對某港口的吞吐量進行了預測，發現二次指數平滑模型比較適合快速成長的港口進行吞吐量定量預測。李增蔚、葉俊（2015）以寧波-舟山港為例，利用三次指數平滑法對寧波-舟山港的貨物吞吐量進行了預測。張家善（2015）認為集裝箱吞吐量是反映一個港口生產經營狀況的主要數量指標，并基于趨勢曲線預測理論，以香港為例，通過建立三次曲線趨勢預測模型，對香港港口集裝箱吞吐量進行了預測并取得了較好的預測結果。

　　時間序列預測法僅僅利用預測目標歷年數據進行預測，因此預測過程相對簡單，歷史數據的收集整理工作相應減少。但是，時間序列預測方法僅僅將時間作為影響預測目標的因素，忽視了其他真實影響預測目標的因素，亦無法有效揭示各影響因素之間的關系。

　　2、回歸預測法。陳其超（2013）以重慶市港口為例，分析了社會經濟總量與物流需求之間的關系，利用重慶市生產總值與重慶港港口吞吐量建立一元線性回歸模型，對重慶市港口物流需求進行了預測。王小萃（2007）以上海市為例，選取國內生產總值、第一產業總值、第二產業總值、第三產業總值、零售總額、外貿總額和貨物運輸量建立多元統計回歸模型，對上海市物流需求進行了預測研究。彭湖、何民（2015）基于云南省統計數據，建立主成分回歸模型對云南省物流需求進行了預測。匡海波（2009）在分析我國沿海港口貨物吞吐構成及其影響的基礎上，建立向量自回歸（VAR）模型來對我國沿海港口吞吐量進行了預測，提高了預測的精度和準確度。

　　建立回歸預測模型需要對預測目標及各影響因素之間的相關關系進行分析，回歸預測模型能夠有效地揭示各影響因素對預測目標的影響程度，便于決策者做出更為明智的決策。但是，回歸預測法是建立在大量歷史數據的基礎上，對歷史數據的質量要求較高。此外，現實應用中，為了簡便計算，常常采用線性回歸來進行模型構建。然而，各影響因素與預測目標之間的關系往往非常復雜，而不是簡單的線性關系。

　　3、人工智能算法。沈浩、黃洪瓊（2015）基于對上海洋山港船舶流量的調研，建立了支持向量機預測模型（SVM），并利用粒子群算法對模型進行了參數優化，通過實證證明了該模型的優越性和可行性。郝勇、王怡（2014）利用徑向基函數（RBF）神經網絡模型對蕪湖港港口船舶流量進行預測，為了克服RBF網絡在參數選取上的缺陷，利用遺傳算法進行了改進，使得改進后的網絡計算量小，識別速度快，預測誤差小。劉枚蓮、朱美華（2012）將外貿進出口總量、第一產業總值和第三產業總值作為BP神經網絡的輸入，港口吞吐量作為BP神經網絡的輸出建立BP神經網絡預測模型，并對廣西西部灣港口進行了預測。盧少華（2006）則將遺傳規劃應用到吞吐量預測上，揭示了我國沿海港口吞吐量與GDP之間的關系以及發展趨勢。

　　利用人工智能算法進行預測，能夠有效處理各影響因素與預測目標之間非線性的關系。但是，人工智能算法也存在著一定的缺陷，如預測模型無法直觀地體現出各影響因素對預測目標的影響程度；理論上無法保證預測模型的泛化能力，使得預測結果不穩定；訓練樣本過多易于陷入“過學習”，而樣本量過少則難以保證預測的精度。

　　（二）組合預測方法。上述預測方法各有其自身的優缺點和適用范圍，為了提高預測精度，組合模型被越來越多地應用于港口物流預測。黃安強、肖進等（2011）提出了一種基于情境知識的組合預測方法（CFMIK）來對港口集裝箱吞吐量進行預測，發現CFMIK的預測表現優于單一的預測模型。柳艷姣、肖青（2006）分別采用了時間序列的三次指數平滑法、改進的GM（1，1）殘差模型以及組合預測方法對某港的集裝箱吞吐量進行了探討，并對未來幾年某港集裝箱吞吐量進行了預測，結果證明：組合預測模型融合了前兩種預測方法的優點。孫志林、盧雅倩（2012）分別采用TSA和馬爾科夫鏈進行預測，將TSA與馬爾科夫鏈校正模型相結合，進行港口吞吐量預測。王巖（2013）將回歸分析與灰色預測理論集合起來，分別使用回歸分析、灰色預測及組合模型對秦皇島港口吞吐量進行預測，發現組合模型能夠有效地降低預測誤差，提高預測精度。陳經海（2013碩）則將灰色GM（1，1）模型與三次指數平滑模型結合起來，在分析了青島港口集裝箱海鐵聯運的效益基礎上，對運量進行預測，從而提高了預測的精確度。萬福來（2012）為克服數據貧乏和數據非線性的困難，將灰色理論與神經網絡算法相結合，分析了影響港口物流需求的五方面因素，并以此為基礎對天津港口物流需求進行了預測。

　　三、總結

　　1、從研究對象來看，現有文獻對港口物流的研究中，從全國范圍或區域范圍研究的較多，針對具體港口進行研究的較少。在針對具體港口進行的研究中，多集中于大型港口物流的研究，對中小型港口的港口物流發展研究較少。

　　2、從研究方法上來看，現有大多數文獻采用的方法為計量經濟學方法，如回歸分析、相關性檢驗等，此外還有傳統的數據包絡分析、灰色預測模型等，研究方法片面，需要進行改善。

【分析港口物流中的文獻評述論文】相關文章：

港口物流論文07-17

港口物流論文優選(13篇)07-20

物流論文參考文獻07-03

MBA論文寫作中參考文獻的格式要求分析07-28

醫學文獻評述的寫作10-03

學位論文寫作中的文獻綜述06-22

物流專業論文參考文獻范例06-08

我國港口物流的特點和發展趨勢論文07-29

關于自然力理論的文獻評述08-03

物流管理專業論文參考文獻10-21