Resumen

El pronóstico de la capacidad de manejo de contenedores desempeña un papel importante en la planificación y gestión de la capacidad portuaria. En cuanto al tema del volumen de contenedores del Grupo Portuario Tianjin-Hebei, considerando que el volumen de contenedores es un sistema de información gris incompleto afectado por diversos factores, el efecto suele ser insatisfactorio al adoptar un solo modelo de pronóstico. Por lo tanto, este documento estudia el tema combinando GM fraccional (1, 1) y una red neuronal BP. Los resultados de la comparación muestran que el modelo combinado tiene un mejor rendimiento que otros modelos individuales por separado y tiene un mayor nivel de precisión en el pronóstico. Además, se adopta el modelo combinado para pronosticar el volumen de contenedores del Grupo Portuario Tianjin-Hebei desde 2021 hasta 2025, lo cual sería una referencia de datos para la optimización del desarrollo futuro de la operación de contenedores del Grupo Portuario Tianjin-Hebei.

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Tráfico de contenedores; Pronóstico; Planificación de la capacidad portuaria; Grupo Portuario Tianjin-Hebei; Modelo combinado; Precisión del pronóstico
• Keywords:Container throughput; Forecasting; Port capacity planning; Tianjin-Hebei Port Group; Combination model; Forecasting accuracy