文献

J-GLOBAL ID：201702274823841302   整理番号：17A1757682

SARIMAモデルに基づく船舶交通量予測研究【JST・京大機械翻訳】

Vessel Traffic Flow Prediction Based on the SARIMA Model

著者 (3件)： Li Xiaolei (武漢理工大学航運学院 武漢 430063;湖北省内河航運技術重点実験室 武漢 430063) ,  Xiao Jinli (武漢理工大学航運学院 武漢 430063;湖北省内河航運技術重点実験室 武漢 430063) ,  Liu Mingjun (武漢理工大学航運学院 武漢 430063;湖北省内河航運技術重点実験室 武漢 430063)
資料名： Wuhan Ligong Daxue Xuebao (Jiaotong Kexue yu Gongcheng Ban)  (Wuhan Ligong Daxue Xuebao (Jiaotong Kexue yu Gongcheng Ban))
巻： 41  号： 2  ページ： 329-332,337  発行年： 2017年 
JST資料番号： C3638A  ISSN： 2095-3844  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 船舶の月交通量の予測精度を向上させるために,より合理的に港湾計画と開発のための意思決定の基礎を提供することは,より合理的でなければならない。季節性差分自己回帰平均(seasonal autoregressive integrated moving average、SARIMA)モデルを用いて、船舶の月交通量に対して予測モデルを構築した。Eviewsソフトウェアを用いて,2007年1月から2015年12月までの期間にわたって,Jingzhou州の船舶交通流の月平均流量統計データに基づいて,経験的解析を行った。船舶の月の交通量時系列データを安定化する前処理を行い、その傾向成分と季節要素を除去した。安定化したデータに基づいて,SARIMAモデルを確立し,モデルのパラメータを最適化し,最適モデルを選択した。得られた最適モデルSARIMA(2,0,0)(1,1,1)12を用いて,2008年1月から2016年3月までの期間にわたって,交通流の月平均流量を予測し,予測結果をAR(1)モデルと季節指数モデルの予測結果と比較した。比較分析の結果、SARIMAの予測精度がより高く、船舶の月交通量の変化状況を反映でき、このモデルを用いて、船舶の月交通量に対するモデリング予測は良好な実用性があることが明らかになった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  統計データ ,  前処理 ,  *交通量 ,  ソフトウェア ,  最適化 ,  *船舶 ,  モデリング ,  交通流 ,  意思決定 ,  *予測 ,  流量
準シソーラス用語： 比較分析 ,  時系列データ ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (4件)： vessel traffic flow ,  time series ,  SARIMA model ,  prediction

分類 (2件)： システム・制御理論一般  (IA02010H) ,  航海と実務  (TD01020F)

タイトルに関連する用語 (4件)： 船舶 ,  交通量 ,  予測 ,  研究