收藏本站
《大连海事大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的干散货运价指数预测研究

靳廉洁  
【摘要】: 国际干散货航运市场是国际航运市场中非常重要的一个子市场。由于干散货航运市场运价波动剧烈,走势难以琢磨,受到的影响因素非常复杂,是一个非线性的复杂系统,因而,传统的预测方法并不适合对它进行预测。这给航运经营者和货物托运人决策带来了困难。因此,考察运价指数波动的内在规律和外在影响,并在此基础之上开发新的模型预测运价指数,可以为航运市场经营者和投资者提供把握市场态势、规避价格风险的有力的工具。 本文针对巴拿马型干散货船舶,进行基于支持向量机(Support Vector Machines,SVM)模型的波罗的海运价指数预测研究。SVM充分考虑了运价指数的随机性,同时其泛化能力较之神经网络有明显改善,更适用于对非线性时间序列进行预测。 首先,分析干散货航运市场的内部供给和需求的运行机制,挖掘运价指数剧烈波动的深层原因。其次,对运价指数的形成过程及计算原理进行阐述,通过分析,运价指数可以准确反映航运市场的变化,本文选取巴拿马型船舶运价指数(Baltic Panamax Index, BPI)指数作为研究对象。论述运价指数波动的外部影响因素,在此基础上,对干散货航运市场的现状和未来走势进行定性分析。接着,本文建立了小波变换-SVM混合预测模型,对小波变换、SVM的理论和适用性进行简要介绍,并且论证了混合预测模型的构建原理。最后,本文针对BPI序列进行实证分析,先用小波变换对运价指数序列进行去噪,消除无规律的突发事件造成的影响;随后用前五个月的BPI值作为输入变量,以第六个月的运价指数作为输出变量,对SVM模型进行训练,得到训练好的预测模型和单步预测结果。通过与ARIMA模型、神经网络模型得到的预测结果进行比较,发现小波-SVM模型具有最高的预测精度。在该模型上加入相关因素作为输入,进行BPI单步预测,取得了更好的预测效果。本文接下来尝试运用此模型进行多步预测,并构建了滞后3期的小波-SVM混合预测模型,可以较为准确的进行BPI的中期预测。
【学位授予单位】:大连海事大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:F550.5;U695.27

【引证文献】
中国硕士学位论文全文数据库 前4条
1 王蕊;国有航运企业后危机时代精细化管理研究[D];天津大学;2012年
2 王晓薇;基于SVM和混沌时间序列的干散货运价指数预测研究[D];大连海事大学;2013年
3 钟维鑫;远期运费协议市场技术分析方法有效性研究[D];大连海事大学;2013年
4 李嘉荣;基于船价波动的船舶投资风险管理研究[D];大连海事大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 吕靖,陈庆辉;海运价格指数的波动规律[J];大连海事大学学报;2003年01期
2 叶园;何穗;;基于支持向量机的沪深300指数预测研究[J];湖北师范学院学报(自然科学版);2009年03期
3 武骁,宗蓓华;基于支持向量机回归的港口吞吐量非线性组合预测[J];河海大学学报(自然科学版);2005年04期
4 王学哲,王相范;关于几种经济预测模型的应用研究[J];哈尔滨商业大学学报(自然科学版);2001年02期
5 奉国和,朱思铭;改进SVM及其在时间序列数据预测中的应用[J];华南理工大学学报(自然科学版);2005年05期
6 徐天芳,尚作斌,解东;影响航运市场的要素之分析[J];世界海运;2002年01期
7 祁亨年;支持向量机及其应用研究综述[J];计算机工程;2004年10期
8 曲文龙;樊广佺;杨炳儒;;基于支持向量机的复杂时间序列预测研究[J];计算机工程;2005年23期
9 杨稣;史耀媛;宋恒;;基于支持向量机的股市时间序列预测算法[J];科学技术与工程;2008年02期
10 阎纲;;支持向量机在股市预测中的应用[J];科学技术与工程;2008年02期
中国硕士学位论文全文数据库 前6条
1 何应杰;国际干散货运价波动分析及经营策略研究[D];大连海事大学;2002年
2 董西国;支持向量机在数据挖掘中的应用[D];哈尔滨工程大学;2002年
3 陈庆辉;国际干散货航运细分市场运价指数波动特征研究[D];大连海事大学;2004年
4 沈建国;BIFFEX风险管理研究与启示[D];上海海事大学;2005年
5 徐萍;基于小波分析和神经网络的BFI预测研究[D];大连海事大学;2006年
6 高立刚;支持向量机及其在股票价格预测方面的应用[D];北京工业大学;2006年
【共引文献】
中国期刊全文数据库 前10条
1 张华智;冯毅芳;;利用小波分析方法识别结构模态参数[J];四川建筑科学研究;2007年06期
2 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 薛同站;王国明;;城市用水量动态预测的双线性模型[J];安徽建筑工业学院学报(自然科学版);2005年06期
5 陆鸣;李东亮;许自成;刘秀彩;许寒春;;卷烟烟气焦油量的ARMA预测模型研究[J];安徽农业科学;2008年14期
6 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
7 吴金华;戴淼;尹剑;;基于遗传神经网络的陕西省土地利用结构模型研究[J];安徽农业科学;2008年36期
8 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
9 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期
10 赵万明;黄彦全;谌贵辉;;基于支持向量机的农村用电量需求预测[J];安徽农业科学;2009年25期
中国重要会议论文全文数据库 前10条
1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
2 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
3 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
4 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
5 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年
6 王亚慧;程培新;赵亚丹;张桐;;针对时滞系统的RBF神经网络滑模控制策略[A];第二十七届中国控制会议论文集[C];2008年
7 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年
8 何鹏;王雅琳;桂卫华;孔玲爽;;氧化铝硅渣成分的混沌时间序列分析与SVM预测[A];第二十九届中国控制会议论文集[C];2010年
9 康传会;汪晓东;汪轲;常健丽;;基于最小二乘支持向量机的迟滞建模方法[A];第二十九届中国控制会议论文集[C];2010年
10 吴静珠;刘翠玲;孙晓容;;支持向量机在近红外光谱检测技术中的应用研究[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
3 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
6 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
7 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
8 万九文;国际原油海运运费市场波动特征研究[D];大连海事大学;2010年
9 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
10 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 刘辉;基于电子鼻的鱼粉新鲜度快速检测方法研究[D];华中农业大学;2010年
2 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
3 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
4 李锦;基于声波的运动车辆行驶状态辨识理论研究[D];南昌航空大学;2010年
5 李旭东;煤矿通防安全信息集成与控制预警系统平台研究[D];山东科技大学;2010年
6 张鸿堃;矿山企业生产成本模块化管理与应用[D];山东科技大学;2010年
7 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
8 李洪琴;基于振动模态分析和BP网络的桥梁损伤识别研究[D];山东科技大学;2010年
9 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
10 丁雷;白鼠脑电信号远控采集处理系统的设计与