基于Seq2Seq模型的港口进出口货物量预测

• 作者: 万怀宇 张伟 林友芳 王涛 贾宇欣
• 来源期刊: 计算机系统应用
• 关键词: 进出口货物量 Seq2Seq 深度学习 时间序列
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 132-139
• 页数: 8页
• 字数: 6237字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007291

摘要

港口进出口货物吞吐量是反映港口业务状况的重要指标,其准确预测将给港口经营管理人员进行决策提供重要的依据.利用机器翻译领域的Seq2Seq模型,对影响港口进出货物量的多种因素进行建模.Seq2Seq模型可以反映进出口货物量在时间维度上的变化规律,并且可以刻画天气、节假日等外部因素的影响,从而进行精准预测.Seq2Seq模型包含两个由循环神经网络(LSTM)组成的编码器和解码器,能够捕捉长短期时间范围内集装箱变化趋势,可以根据历史进出口货物量预测未来一段时间的货物量信息.在真实的天津港进出口集装箱数据集上进行了实验,结果表明Seq2Seq模型的深度学习预测方法效果优于传统的时间序列模型以及其他现有的机器学习预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室	33	379	11.0	19.0
2	林友芳	北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室	29	139	5.0	11.0
6	张伟	天津市商务局口岸平台处	3	0	0.0	0.0
7	贾宇欣	北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室	1	0	0.0	0.0