世界新船訂單趨勢預測的組合模型應用分析

 新船訂單趨勢預測的組合模型
（一）趨勢移動平均方法
新船訂單在一定時期內(nèi)具有明顯的線性變動趨勢，本文首先采用趨勢移動平均進行預測，以獲取新船訂單的線性趨勢特征。假設新船訂單時間序列y1，y2，…，yt，從某時期開始具有線性趨勢，并認為未來亦按此直線趨勢變化，則可設此直線趨勢預測模型為：
上式中t為當前時期數(shù)，T為由當前時期數(shù)t到預測期的時期數(shù)，即t以后模型外推的時間，■為第t＋T期的預測值， at為截距； bt為斜率。利用世界新船訂單歷史數(shù)據(jù)進行移動平均預測，得到直線趨勢預測模型的結(jié)果，發(fā)現(xiàn)有的年份誤差較大，原因是該年份中船東或航運企業(yè)的投資性需求出現(xiàn)了大規(guī)模擴張，導致新船訂單的突變。利用該方法預測2012年的新船訂單為77百萬修正總噸，2013年為66百萬修正總噸。
（二）灰色系統(tǒng)預測算法
灰色系統(tǒng)能夠利用“較少數(shù)據(jù)”建模，并發(fā)現(xiàn)未來發(fā)展趨勢的波動性?；疑到y(tǒng)的GM（1，1）模型是較常用的數(shù)列預測方法。本文利用1975—2011年的歷史數(shù)據(jù)，以2003年為分界選擇兩段樣本數(shù)列進行GM（1，1）建模，并得到相應的預測結(jié)果。從預測結(jié)果能夠看出，第一個周期的預測效果較好，而在第二個周期中，由于新船訂單表現(xiàn)出非線性的特點，每年的新船訂單數(shù)量會出現(xiàn)大幅波動，因而GM（1，1）模型比移動平均方法更為適合。利用第二周期的樣本數(shù)列得到辨識算式為：
求得a＝0.2151，b＝237.5794，得到GM（1，1）預測模型為：
X（K＋1）＝ - 1025.3063exp
（-0.21512k）＋1104.4063 （3）
利用式（3）預測到2012年的世界海運周轉(zhuǎn)量為55百萬修正總噸，2013年為44百萬修正總噸。
（三）BP神經(jīng)網(wǎng)絡算法
BP神經(jīng)網(wǎng)絡算法由一個輸入層，一個或者多個隱含層和一個輸出層組成，每一層由一定數(shù)量的神經(jīng)元構(gòu)成，諸多神經(jīng)元是互相關(guān)聯(lián)的。以往的研究表明，對于三層和三層以上的BP神經(jīng)網(wǎng)絡，如果隱層神經(jīng)元數(shù)目足夠多，就能以任意精度逼近一個非線性函數(shù)。因此，隱含層上的神經(jīng)元個數(shù)對增加預測準確性和收斂穩(wěn)定性具有非常關(guān)鍵的影響。根據(jù)Kolmogorov定理，本文以前4年的新船訂單量作為輸入量，輸出量是下一年的世界新船訂單，隱含神經(jīng)元選擇為8個。BP神經(jīng)網(wǎng)絡計算選擇Matlab2009軟件完成，從預測結(jié)果和實際值的對比發(fā)現(xiàn)，雖然最近幾年的新船訂單波動較大，但是用BP神經(jīng)網(wǎng)絡能夠獲得新船訂單的非線性特征，進行預測的效果明顯好于前面的移動平均和GM（1，1）模型，進一步預測2012年的世界新船訂單為72百萬修正總噸，2013年為53百萬修正總噸。