李慧

摘 要：港口貨物吞吐量一定程度上反映港口建設(shè)、運(yùn)輸能力、經(jīng)濟(jì)發(fā)展實(shí)力，對(duì)港口規(guī)劃建設(shè)決策具有重大意義，而對(duì)長(zhǎng)江干線主要港口企業(yè)貨物吞吐量的預(yù)測(cè)有利于國(guó)家對(duì)長(zhǎng)江干線港口的發(fā)展進(jìn)行更有效的規(guī)劃建設(shè)、結(jié)構(gòu)調(diào)整等。以長(zhǎng)江干線主要港口企業(yè)貨物吞吐量為基礎(chǔ)，梳理貨物吞吐量影響因素，分析各貨種結(jié)構(gòu)并識(shí)別出最主要的三類貨種，再基于Holt-Winters算法建立三次指數(shù)平滑預(yù)測(cè)模型，對(duì)2021年1月至12月貨物吞吐量及變化趨勢(shì)進(jìn)行預(yù)測(cè)分析。結(jié)果表明2021年總貨物吞吐量及主要貨種吞吐量均呈現(xiàn)非線性增長(zhǎng)態(tài)勢(shì)，為未來(lái)長(zhǎng)江航運(yùn)發(fā)展提供參考。

關(guān)鍵詞：長(zhǎng)江干線;港口企業(yè);貨物吞吐量;預(yù)測(cè)模型

中圖分類號(hào)：[U6-9]? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? 文章編號(hào)：1006—7973（2021）04-0029-04

1前言

近年來(lái)，我國(guó)經(jīng)濟(jì)穩(wěn)步增長(zhǎng)，港口作為貿(mào)易活動(dòng)的流通載體，日益成為區(qū)域經(jīng)濟(jì)發(fā)展的核心。而長(zhǎng)江干線作為世界上運(yùn)量最大、運(yùn)輸最繁忙的通航河流，對(duì)促進(jìn)流域地區(qū)經(jīng)濟(jì)協(xié)調(diào)發(fā)展發(fā)揮了重要作用。隨著“一帶一路”、“交通強(qiáng)國(guó)”、“長(zhǎng)江經(jīng)濟(jì)帶發(fā)展”國(guó)家戰(zhàn)略的貫徹實(shí)施，長(zhǎng)江干線運(yùn)力結(jié)構(gòu)持續(xù)優(yōu)化，運(yùn)輸保障不斷加強(qiáng)，多式聯(lián)運(yùn)發(fā)展加快推進(jìn)，各港口企業(yè)加快推進(jìn)港口建設(shè)，推動(dòng)港口高質(zhì)量發(fā)展，長(zhǎng)江干線主要港口企業(yè)貨物吞吐量呈增長(zhǎng)態(tài)勢(shì)，逐漸形成以港口為樞紐的高質(zhì)量綜合立體交通走廊。

港口企業(yè)貨物吞吐量可作為“經(jīng)濟(jì)的晴雨表”，不僅體現(xiàn)了港口企業(yè)的經(jīng)營(yíng)成果，也是港口規(guī)劃建設(shè)、綜合運(yùn)輸能力的體現(xiàn)。準(zhǔn)確合理預(yù)測(cè)長(zhǎng)江干線港口企業(yè)貨物吞吐量對(duì)調(diào)整企業(yè)規(guī)劃布局、提升企業(yè)運(yùn)轉(zhuǎn)效率、引導(dǎo)企業(yè)轉(zhuǎn)型升級(jí)具有重要的意義，并為政府制定相應(yīng)發(fā)展戰(zhàn)略、掌握長(zhǎng)江干線運(yùn)輸形勢(shì)提供參考。

目前，針對(duì)貨物吞吐量預(yù)測(cè)已有相關(guān)研究。韓以倫等人以青島港為例，充分考慮影響港口貨物吞吐量的因素指標(biāo)，并利用多元回歸模型、時(shí)間序列模型和灰色預(yù)測(cè)模型，預(yù)測(cè)分析了港口吞吐量[1];李廣儒等人以寧波舟山港為例，利用Elman 神經(jīng)網(wǎng)絡(luò)、BP 神經(jīng)網(wǎng)絡(luò)以及 RBF 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其貨物吞吐量，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析比較[2];楊思凡等人分析了影響港口貨物吞吐量的相關(guān)因素，結(jié)合多因素和誤差修正的BP神經(jīng)網(wǎng)絡(luò)方法對(duì)港口吞吐量進(jìn)行預(yù)測(cè)[3];李長(zhǎng)安等人結(jié)合蟻群算法和神經(jīng)網(wǎng)絡(luò)算法，建立高精度的預(yù)測(cè)模型，對(duì)港口貨物吞吐量進(jìn)行預(yù)測(cè)[4];李穎等人利用 MATLAB工具建立自適應(yīng)濾波算法預(yù)測(cè)模型，來(lái)預(yù)測(cè)未來(lái)港口吞吐量[5];殷兆進(jìn)基于不同類型的內(nèi)河港口項(xiàng)目，利用時(shí)間序列法、彈性系數(shù)法等對(duì)貨物吞吐量進(jìn)行預(yù)測(cè)和比較分析[6];潘婷結(jié)合二次指數(shù)平滑法和灰色模型預(yù)測(cè)法，建立新的加權(quán)組合預(yù)測(cè)模型，并以寧波舟山港的貨物吞吐量為例進(jìn)行實(shí)證預(yù)測(cè)分析[7];Min Liu等在考慮指數(shù)平滑法的波動(dòng)率因素基礎(chǔ)上，對(duì)港口吞吐量進(jìn)行預(yù)測(cè)[8];MADSEN H采用誤差指標(biāo)分析評(píng)價(jià)不同神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能，選擇最優(yōu)的神經(jīng)網(wǎng)絡(luò)對(duì)港口吞吐量進(jìn)行預(yù)測(cè)[9]。

目前對(duì)于長(zhǎng)江干線貨物吞吐量結(jié)構(gòu)分析及預(yù)測(cè)的研究相對(duì)較少，需要進(jìn)行更深一步的研究。本文梳理長(zhǎng)江航務(wù)管理局官網(wǎng)發(fā)布的近5年（2016-2020年）長(zhǎng)江干線主要港口企業(yè)每月貨物吞吐量數(shù)據(jù)，分析影響貨物吞吐量的因素，識(shí)別分析主要貨類，并基于Holt-Winters算法對(duì)2021年的貨物吞吐量及主要貨類吞吐量進(jìn)行預(yù)測(cè)，探究其變化趨勢(shì)。

2 長(zhǎng)江干線主要港口企業(yè)貨物吞吐量分析

2.1 影響因素分析

政治、經(jīng)濟(jì)、社會(huì)等宏觀因素和港口建設(shè)、企業(yè)管理等微觀因素，均會(huì)對(duì)長(zhǎng)江干線主要港口企業(yè)貨物吞吐量產(chǎn)生影響。

（1）港口自然地理環(huán)境。港口地理位置、水文氣象條件等均會(huì)影響貨物吞吐量。若水深條件不足，則無(wú)法滿足大型船舶進(jìn)出港;若地理位置較差、氣象條件惡劣，將會(huì)增加船舶進(jìn)出港靠離泊時(shí)間，也會(huì)帶來(lái)更大的風(fēng)險(xiǎn)。

（2）港口社會(huì)政治環(huán)境。國(guó)家政治經(jīng)濟(jì)大環(huán)境以及政府發(fā)布的鼓勵(lì)或限制性政策也都是影響港口吞吐量的因素之一。比如中美貿(mào)易摩擦導(dǎo)致了長(zhǎng)江航運(yùn)外貿(mào)內(nèi)支線運(yùn)輸需求持續(xù)下滑;新冠疫情影響導(dǎo)致了短期內(nèi)以能源、電力、冶金、石化、建筑等產(chǎn)業(yè)為主的長(zhǎng)江干散貨運(yùn)輸需求明顯下滑，港口物流因復(fù)工推遲運(yùn)轉(zhuǎn)不暢，部分港口貨物壓港嚴(yán)重;國(guó)家環(huán)保政策對(duì)散件雜貨吞吐量影響較大，部分港口提質(zhì)改造、搬遷、散改集，朝著多式聯(lián)運(yùn)，智慧、環(huán)保型港口轉(zhuǎn)型。

（3）港口腹地經(jīng)濟(jì)發(fā)展?fàn)顩r。強(qiáng)大的腹地經(jīng)濟(jì)實(shí)力會(huì)帶來(lái)密集的航線布置，吸引更多的中轉(zhuǎn)貨物，提高港口吞吐量。

（4）港口建設(shè)和管理水平。高效快速的裝卸設(shè)備與搬運(yùn)系統(tǒng)、較高的集疏運(yùn)網(wǎng)絡(luò)能力、健全的安全保障制度與措施、合理的勞動(dòng)組織、綠色智能一體化的管理服務(wù)水平等均會(huì)提高港口碼頭的吞吐能力。

（5）長(zhǎng)江航運(yùn)市場(chǎng)發(fā)展水平。長(zhǎng)江航運(yùn)穩(wěn)步向好的發(fā)展態(tài)勢(shì)將推動(dòng)貨物吞吐量進(jìn)一步提升。2019年7月，交通運(yùn)輸部印發(fā)《關(guān)于推進(jìn)長(zhǎng)江航運(yùn)高質(zhì)量發(fā)展的意見(jiàn)》，提出將長(zhǎng)江航運(yùn)打造成交通強(qiáng)國(guó)建設(shè)先行區(qū)、內(nèi)河水運(yùn)綠色發(fā)展示范區(qū)和高質(zhì)量發(fā)展樣板區(qū)，為推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶高質(zhì)量發(fā)展提供堅(jiān)實(shí)支撐和有力保障。同時(shí)，長(zhǎng)三角三省一市交通運(yùn)輸主管部門、海事管理機(jī)構(gòu)及各港航企業(yè)，建立健全工作機(jī)制，形成了上下聯(lián)動(dòng)、互通有無(wú)的工作體系，實(shí)現(xiàn)內(nèi)河航道網(wǎng)絡(luò)化、區(qū)域港口一體化、運(yùn)輸船舶標(biāo)準(zhǔn)化、綠色發(fā)展協(xié)同化、信息資源共享化。并著力打造長(zhǎng)江經(jīng)濟(jì)帶與“一帶一路”建設(shè)的重要支點(diǎn)與紐帶，建設(shè)面向中國(guó)-東盟自由貿(mào)易區(qū)開(kāi)放的區(qū)域性國(guó)際交通樞紐。

2.2 貨種結(jié)構(gòu)分析

長(zhǎng)江干線主要港口企業(yè)貨物吞吐量統(tǒng)計(jì)貨類與交通運(yùn)輸部保持一致，包括17類，分別為煤炭及制品，石油、天然所及制品，金屬礦石，鋼鐵，礦建材料，水泥，木材，非金屬礦石，化肥及農(nóng)藥，鹽，糧食，機(jī)械、設(shè)備、電器，化工原料及制品，有色金屬，輕工、醫(yī)藥產(chǎn)品，農(nóng)、林、牧、漁業(yè)產(chǎn)品以及其他產(chǎn)品。

對(duì)2016年至2020年各貨種吞吐量進(jìn)行分析，可得出煤炭及制品、金屬礦石和礦建材料吞吐量排名前三。圖1中金屬礦石吞吐量位于峰值，圖2（以2020年為例）金屬礦石所占面積最大，故各貨種中金屬礦石吞吐量最大。分析2016年至2020年各貨種吞吐量，得出煤炭及制品吞吐量占比15%-21%，金屬礦石吞吐量占比25%-35%，礦建材料吞吐量占比5%-15%。

2016年至2020年，長(zhǎng)江干線主要港口企業(yè)排名前三的主要貨種吞吐量月度走勢(shì)如圖3所示，其中，金屬礦石和礦建材料吞吐量呈現(xiàn)總體增長(zhǎng)趨勢(shì)，煤炭及制品吞吐量在2020年有所下滑，主要源于國(guó)內(nèi)能源結(jié)構(gòu)不斷優(yōu)化，新能源替換，疊加社會(huì)用電量不及2019年，蒙華鐵路分流影響，煤炭及制品吞吐量下降。近5年來(lái)，長(zhǎng)江干線各港口企業(yè)不斷優(yōu)化工藝提升裝卸效率，優(yōu)化船貨配置，拓展物流項(xiàng)目，提升整體的綜合效益。2020年新冠肺炎疫情突如其來(lái)，長(zhǎng)江主要港口吞吐量短期明顯受到?jīng)_擊，但隨國(guó)內(nèi)外經(jīng)濟(jì)逐步恢復(fù)，總體上表現(xiàn)為“快速恢復(fù)、韌性十足、總量微跌、結(jié)構(gòu)分化”。

3 三次指數(shù)平滑（Holt-Winters算法）概述

3.1 指數(shù)平滑法選擇

指數(shù)平滑法通過(guò)對(duì)觀測(cè)值賦予不同權(quán)數(shù)加權(quán)得到預(yù)測(cè)值，應(yīng)用廣泛的主要包括一次指數(shù)平滑、二次指數(shù)平滑、三次指數(shù)平滑。

一次指數(shù)平滑適用于沒(méi)有明顯的上升或下降趨勢(shì)、波動(dòng)不大的水平型時(shí)序數(shù)據(jù)的預(yù)測(cè)，對(duì)于非穩(wěn)定性數(shù)據(jù)的預(yù)測(cè)往往會(huì)產(chǎn)生較大的系統(tǒng)誤差;二次指數(shù)平滑是在一次指數(shù)平滑值基礎(chǔ)上建立預(yù)測(cè)的數(shù)學(xué)模型，再一次進(jìn)行指數(shù)平滑確定預(yù)測(cè)值，適用于呈直線趨勢(shì)變化的時(shí)間數(shù)列預(yù)測(cè);對(duì)于非線性特征的數(shù)列預(yù)測(cè)，則采用三次指數(shù)平滑法，通過(guò)求解平滑系數(shù)、建立預(yù)測(cè)模型來(lái)進(jìn)行中短期預(yù)測(cè)，可以分析并延襲歷史數(shù)據(jù)所呈現(xiàn)的波動(dòng)性和周期性。

長(zhǎng)江干線主要港口企業(yè)貨物吞吐量數(shù)據(jù)表現(xiàn)為不平穩(wěn)和非線性特性，故采用三次指數(shù)平滑法進(jìn)行預(yù)測(cè)。

3.2 Holt-Winters算法

三次指數(shù)平滑法主要基于Holt-Winters算法， 如下：

基年為t年，預(yù)測(cè)未來(lái)T期的值：

式中， 為加權(quán)系數(shù)（平滑系數(shù)）， 為第t周期的一次指數(shù)平滑值，為第t周期的二次指數(shù)平滑值，為第t周期的三次指數(shù)平滑值，為第t周期的實(shí)際值，為以t年為基年、預(yù)測(cè)周期為T的預(yù)測(cè)值，、、均為預(yù)測(cè)公式的參數(shù)。

平滑系數(shù)的選取對(duì)預(yù)測(cè)值的大小有較大影響，應(yīng)根據(jù)數(shù)列變化特性選取適合的平滑系數(shù)。若數(shù)列變化較穩(wěn)定，雖有小幅波動(dòng)但長(zhǎng)期變化趨勢(shì)不大時(shí)，取0.1～0.3，以體現(xiàn)歷史數(shù)據(jù)的影響;若數(shù)列變化波動(dòng)較大，且長(zhǎng)期變化趨勢(shì)也較大時(shí)，取0.7～0.9，以體現(xiàn)近期數(shù)據(jù)的作用。如圖4所示，長(zhǎng)江干線主要港口企業(yè)2016年至2020年貨物吞吐量數(shù)據(jù)波動(dòng)較大，長(zhǎng)期變化趨勢(shì)也較大，預(yù)測(cè)時(shí)取為0.7。

4長(zhǎng)江干線主要港口企業(yè)貨物吞吐量預(yù)測(cè)

通過(guò)長(zhǎng)江航務(wù)管理局官網(wǎng)發(fā)布的長(zhǎng)江干線主要港口企業(yè)生產(chǎn)動(dòng)態(tài)，收集了2016年至2020年每月的主要港口企業(yè)貨物吞吐量數(shù)據(jù)（共60期），并構(gòu)建基于Holt-Winters算法的預(yù)測(cè)模型進(jìn)行分析。

4.1 總吞吐量預(yù)測(cè)

如圖5所示，2016年至2021年長(zhǎng)江干線主要港口企業(yè)貨物吞吐量整體呈現(xiàn)非線性增長(zhǎng)態(tài)勢(shì)，2021年呈現(xiàn)震蕩波動(dòng)格局，預(yù)計(jì)全年吞吐量同比增長(zhǎng)13.05%。其中2月受春節(jié)影響，長(zhǎng)江干線主要港口企業(yè)生產(chǎn)呈下滑態(tài)勢(shì)，吞吐量將有所下降，處于全年最低谷;3月開(kāi)始回暖并逐月增長(zhǎng);6-7月小幅下滑;8-12月回歸到平穩(wěn)增長(zhǎng)的軌道。

4.2 主要貨種吞吐量預(yù)測(cè)

如圖6所示，2016年至2021年煤炭、金屬礦石、礦建材料吞吐量整體均呈現(xiàn)非線性增長(zhǎng)態(tài)勢(shì)，2021年吞吐量呈現(xiàn)震蕩波動(dòng)格局，預(yù)計(jì)煤炭、金屬礦石、礦建材料吞吐量同比分別增長(zhǎng)12.03%、10.28%、25.82%。

2021年，預(yù)計(jì)煤炭及制品吞吐量1-12月穩(wěn)定波動(dòng)，變化幅度較小，基本保持穩(wěn)定的生產(chǎn)態(tài)勢(shì);金屬礦石吞吐量1季度先增后降，4-5月小幅增長(zhǎng)，6-7月小幅下滑，8-11月保持平穩(wěn)波動(dòng)，12月小幅增長(zhǎng);礦建材料吞吐量1-2月下滑，3-4月逐月回暖，5-6月小幅下滑，7-11月保持平穩(wěn)增長(zhǎng)，12月再次小幅下滑。

5結(jié)語(yǔ)

本文基于2016年至2020年60期長(zhǎng)江干線主要港口企業(yè)貨物吞吐量數(shù)據(jù)，分析了貨物吞吐量影響因素和各貨種結(jié)構(gòu)，識(shí)別出主要的三類貨種，即煤炭、金屬礦石和礦建材料。再利用三次指數(shù)平滑（Holt-Winters算法）對(duì)2021年總貨物吞吐量及主要貨種吞吐量進(jìn)行預(yù)測(cè)，得出2021年每月的吞吐量預(yù)測(cè)值及變化趨勢(shì)。結(jié)果表明，2021年總貨物吞吐量和主要貨種吞吐量均將呈現(xiàn)震蕩波動(dòng)格局，整體保持非線性增長(zhǎng)態(tài)勢(shì)。

參考文獻(xiàn)：

[1] 韓以倫， 徐新新. 基于ARIMA和GM模型的青島港貨物吞吐量預(yù)測(cè)研究[J]. 水道港口， 2019， 40（2）： 241-248.

[2] 李廣儒， 朱慶輝. 基于Elman神經(jīng)網(wǎng)絡(luò)的港口貨物吞吐量預(yù)測(cè)[J]. 重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 39（6）： 8-12.

[3] 楊思凡， 魏夢(mèng)， 丁蓉. 基于多因素選擇和誤差修正的 BP 神經(jīng)網(wǎng)絡(luò)港口貨物吞吐量預(yù)測(cè)[J]. 價(jià)值工程， 2020，39（18）： 68-71.

[4] 李長(zhǎng)安， 盧雪琴， 吳忠強(qiáng)， 等. 基于蟻群算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的港口吞吐量預(yù)測(cè)[J]. 計(jì)量學(xué)報(bào)， 2020，41（11）： 1398-1403.

[5] 李穎， 付金宇， 張照億， 等. 基于自適應(yīng)濾波改進(jìn)算法的大連港吞吐量預(yù)測(cè)[J]. 重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 39（4）： 36-40.

[6] 殷兆進(jìn). 內(nèi)河港口工程項(xiàng)目可行性研究階段貨物吞吐量預(yù)測(cè)方法[J]. 水運(yùn)管理， 2019，41（11）： 12-15.

[7] 潘婷. 寧波舟山港貨物吞吐量預(yù)測(cè)分析與思考[D]. 舟山： 浙江海洋大學(xué)， 2019.

[8] Min L， James W. Taylor， Wei-Chong Ch. Further empirical evidence on the forecasting of volatility with smooth transition exponential smoothing [J]. Economic Modelling， 2020.

[9] MADSEN H， PINSON P， KARINIOTAKIS G. Standardizing the performance evaluation of short term wind power prediction models [J]. Wind Engineering， 2005， 29（6）： 475-489.