基于VMD-LR-LSTM组合模型的三峡船闸货物通过量预测.pdf
《基于VMD-LR-LSTM组合模型的三峡船闸货物通过量预测.pdf》由会员分享,可在线阅读,更多相关《基于VMD-LR-LSTM组合模型的三峡船闸货物通过量预测.pdf(6页珍藏版)》请在咨信网上搜索。
1、航运第4 5 卷第11期2 0 2 3年11月水运管理基于VMD-LR-LSTM组合模型的三峡船闸货物通过量预测蒋军,张惟一,葛柯成,唐蜜,晏方浩,贺海婷,温跃宇a(重庆交通大学a.交通运输学院、b.信息科学与工程学院、c.土木工程学院,重庆4 0 0 0 7 4)【摘要】长江航道对推动长江经济带高质量发展和畅通国内国际双循环货物通道具有重要作用。针对三峡船闸碍航严重制约长江航道通行能力的问题,通过梳理各年份货物通过量数据,对三峡船闸拥堵现状进行分析。将原始货物通过量进行变分模态分解(VMD),低频线性部分采用线性回归(LR)模型进行预测,非线性部分和高频分量则分别构建长短期记忆(LSTM)神
2、经网络进行预测;将VMD、LR 线性回归及LSTM三种预测方法相结合,创建VMD-LR-LSTM组合模型,并依此对三峡船闸未来货物通过量进行预测。【关键词】三峡船闸;变分模态分解;线性回归模型;LSTM神经网络预测2 0 35 年三峡货物通过量将达到197 2 8.8 8引言D长江航道建设对推动长江经济带高质量发展和畅通国内国际双循环的货运通道具有重要作用。三峡船闸通航能力不足,船舶待闸时间逐年增加,船闸全年处于满负荷运行状态,严重制约长江水运的发展。为更好地开展三峡船闸缓堵治理,促进三峡枢纽区域经济可持续高质量发展,科学预测三峡枢纽未来货物通过量就显得至关重要。近年来,三峡枢纽货物通过量预测
3、是学术界的研究热点。国内外学者在对货物通过量预测研究时,通常采用传统的时间序列、回归预测分析、趋势外推法、无偏灰色马尔科夫链法和神经网络预测等方法,由于运用的预测方法不同,预测结果也有较大差别。如:柯桥等 提出基于改进灰色模型和神经网络的组合预测模型,并对2 0 19一2 0 2 2 年的货物通过量进行短期预测;张义军基于时空分布特征及序列周期规律,建立多元尺度回归预测模型,收稿日期:2 0 2 3-0 4-14基金项目:重庆交通大学大学生创新创业训练计划项目(X202210618044)作者简介:蒋军(198 3一),男,博士,副教授,研究方向为交通运输规划与管理(港口、航运与综合物流方向)
4、6http:/万t;孙洁3采用运输弹性系数法、回归分析法、水运系数法对三峡船闸货物通过量预测,2 0 2 3年三峡船闸货物通过量将达到16 6 4 2.95 万t;张浩等 1基于产业结构与货物通过量变化的相关分析模型,预测2 0 30 年三峡枢纽货物通过量将达到2.5 4亿t,2040年为3.10 亿t,2 0 5 0 年为3.17 亿t;伍信怡等5 采用综合指数平滑法模型与季节性差分自回归移动平均模型建立新型预测模型,预测2 0 2 1年三峡船闸货物通过量为16 94 0.7 万t;陈泽提出将预测过程分为长、中、短3个阶段进行分段预测,结合运输弹性系数法、回归分析法和水运系数法,同时将无偏灰
5、色马尔科夫链引人预测中,预计2 0 35年和2 0 5 0 年,三峡船闸货物通过量分别为2.6 亿t和3.5 亿t。上述研究采用了较为传统的预测方法,存在对货物通过量影响因素研究不足、对历史数据分析不够深入、波动性处理不充分等缺陷,预测结果水运管理第4 5 卷第11期2 0 2 3年11月航运与三峡船闸实际情况存在较大差距。本文采用VMD-LR-LSTM(Varational Mode Decomposition-Linear Regression-Long Short Term Mermorynetwork)组合预测方法,可以解决以上问题,提高预测精度。1三峡船闸通行现状分析1.1三峡船闸拥
6、堵严重,待闸通过时间较长长江三峡通航管理局资料显示,自2 0 11年后,三峡船闸一直处于满负荷运营,维持全年36 5 天、全天2 4 h运营。2 0 2 2 年,三峡船闸货物通过量15618万t,同比增长6.6 5%,超过设计通过能力的56%;三峡升船机货物通过量36 2 万t,因停航检修同比减少12.6 0%。三峡船闸货物通过量变化情况如图1所示。1.601.401.201.000.800.6020162017图1三峡船闸货物通过量变化情况三峡船闸货物通过量增长导致船舶待闸时间延长。2 0 2 1年,船舶平均待闸通过时间为191.1h,上升7 3.90%。2 0 2 0 一2 0 2 1年三
7、峡船闸每月船舶待闸时间见表1。表1三峡船闸2 0 2 0 2 0 2 1年每月船舶待闸时间年月待闸时间年月待闸时间年月待闸时间的关系转化为多个简单关系的组合。采用VMD2020-0180.902020-0255.672020-0339.092020-0462.602020-0575.792020-0686.072020-07144.302020-08279.861.2翻坝转运成本过高,难以推广当三峡船闸通航能力无法满足航运需求时,可鼓励引导部分过坝船舶靠岸卸货,并通过陆地运输翻过大坝。翻坝运输虽然极大缩短了货物过坝时间,缓解了三峡船闸通航能力的不足,但高昂的运输成本让货主和承运人难以承受,导致
8、翻坝运输难以推广。以三峡翻坝高速公路运输成本为例(见表2),翻坝运输成本远高于过闸成本。未来,随着成渝地区双城经济圈、长江上游航运中心建设等政策利好释放,长江流域经济将迎来快速发展,长江上游航运需求必将大幅增加。因此,破解三峡船闸通航拥堵问题已经迫在眉睫。表2 翻坝运输各项成本柴油价格/货车油耗/翻坝运输路程/高速公路车辆通行收费/(元/)(L/100 km)6507422VMD-LR-LSTM建20由于三峡船闸货物通过量受较多因素影响,15%+5货物通过量0一比上年增长20182019202020212022年份单位:h2020-09231.812020-1086.792020-11103.
9、442020-12130.772021-01147.682021-02166.352021-03181.012021-04340.14km36.537在时间序列中表现出强烈的随机性和波动性。采用VMD-LR-LSTM组合模型可以弱化随机性、波动性对预测结果的影响,以便精确提取时间序列-5货物通过量的趋势特征。同时,相较于单一的时间-10序列预测模型,组合模型的预测结果可以更好地保留时间序列中的波动性,使预测结果更加准确。2.1VMD变分模态分解VMD是一种新型时频分析方法,可以将非平稳时序信号分解为指定个数的模态分量(IntrinsicModeFunction,IMF),从而将时间序列数据间复
10、杂2021-05246.852021-06165.452021-07140.512021-08125.602021-09178.492021-10208.002021-11198.822021-12220.90元/(车km)1.1组合模型构算法对数据进行分解,一方面,可以更好地获取时间序列数据的特征;另一方面,能避免信息重叠产生的噪声。VMD算法的核心是构造和求解变分问题。将三峡船闸货物通过量数据作为原始输人信号f(t),将t)分解为k个频率特征不同的模态分量函数u(t),再将各个模态分量的带宽通过f(t)的H高斯平滑指数进行估计。以各模态分量之和等于原始信号f(t)为约束,即可得到带约束条件
11、的变分问题。E-mail:SYGL.7航运水运管理第4 5 卷第11期2 0 2 3年11月2 1.(8(t)+Kminks.t.Z u(t)=f(t)式中:f(t)为三峡船闸货物通过量数据;8(t)为狄拉克分布;(us(t)为分解后得到的k个模态分量;()为各模态分量所对应的中心频率;“*”为卷积运算符。然后,对上述变分问题进行求解。利用二次惩罚项和拉格朗日乘子(t)将约束变分问题转化为非约束变分问题,见式(2):L(ur),(o),a)=K2 I 0,(8(t)+k=1元tkIl f(t)-,us(t)I/2+k=1a(t),f(t)-u(t)采用交替方向乘子法更新)、0)、i),如式(3
12、)所示:ir(0)=j(0)-2u(0)+(0)/21+2a(0-0k)2Saliri(a)daa()=(0)+rly(0)-zur()式中:为频率;为噪声容忍度,当信号含有强噪声时,为保证更好的去噪效果,设置=0。VMD算法流程如下:初始化(ul)、(o l)、a l和最大迭代数n;根据式(2)(3),令n=n+1、k=k+1更新uk、Wk a;若满足收敛条件式(4)且0,则停止迭代,如果不满足式(4)且nN时,则回到第步。(4)W。为记忆细胞的权值;x,为当前节点输入;h,为当前节点输出、h-1为上一节点的输出;c,为当前时刻的2.2LR模型细胞单元状态、C-1为上一节点记忆更新状态。线性
13、回归是一种典型的统计模型,用于确定两种或两种以上变量之间相互依赖的定量关系。在处理线性相关的数据时,线性回归模型的预测精度相较于其他预测模型并无明显差别,且具有模型简单、计算迅速等优势。8http:/元t)*ui(t)e-1o/3)*u(t)le-jo Il 2+k2.3LSTM神经网络(1)在一个时间序列中,不是所有信息都同等有效,大多数时候存在所谓的“关键信息”。在连续的时间序列中,信息的变化是逐渐进行的,前面的信息有助于理解后文的信息。基于此,LSTM的设计者提出“长短期记忆”概念,即只有一部分信息需要长期记忆,其余信息可以遗忘。LSTM神经网络在循环神经网络(RecurrentNeur
14、al Network,RNN)的基础上发展而来,可解决RNN无法处理长距离序列的问题。LSTM神经网络的内部结构其优势是具有不同的隐藏层,即神经元具有不同的隐藏态,神经元的隐藏态可以简单理解为递归神经网络对于输人数据的“记忆”(2)LSTM神经网络主要是利用门控制单元记忆、去除或新增信息,门控制单元主要包含遗忘门、输人门和输出门,用来避免产生梯度消失或梯度爆炸的问题。门控制单元通过 Sigmod和tanh 激活函数来决定记忆单元的保留状态,输出区间为 0,1,0(3)表示舍弃信息,1表示保留全部信息。LSTM神经网络基本结构如图2 所示。遗忘门输入门Ct-1XWht-1X图2 LSTM神经网络
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 VMD LR LSTM 组合 模型 三峡 船闸 货物 通过 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。