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，T為由當前時期數t到預測期的時期數，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據進行移動平均預測，得到直線趨勢預測模型的結果，發現有的年份誤差較大，原因是該年份中船東或航運企業的投資性需求出現了大規模擴張，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）灰色系統預測算法
灰色系統能夠利用“較少數據”建模，并發現未來發展趨勢的波動性。灰色系統的GM（1，1）模型是較常用的數列預測方法。本文利用1975—2011年的歷史數據，以2003年為分界選擇兩段樣本數列進行GM（1，1）建模，并得到相應的預測結果。從預測結果能夠看出，第一個周期的預測效果較好，而在第二個周期中，由于新船訂單表現出非線性的特點，每年的新船訂單數量會出現大幅波動，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年的世界海運周轉量為55百萬修正總噸，2013年為44百萬修正總噸。
（三）BP神經網絡算法
BP神經網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，每一層由一定數量的神經元構成，諸多神經元是互相關聯的。以往的研究表明，對于三層和三層以上的BP神經網絡，如果隱層神經元數目足夠多，就能以任意精度逼近一個非線性函數。因此，隱含層上的神經元個數對增加預測準確性和收斂穩定性具有非常關鍵的影響。根據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，隱含神經元選擇為8個。BP神經網絡計算選擇Matlab2009軟件完成，從預測結果和實際值的對比發現，雖然最近幾年的新船訂單波動較大，但是用BP神經網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。