基于时间序列和Xgboost的钢卷仓储吞吐量预测

• 作 者: 孟杭 黄细霞 涂修建
• 机 构: 航运技术与控制工程交通部重点实验室（上海海事大学）
• 出 处: 计算机应用
• 发表日期: 2019年S2期
• 关键词: 编码处理 混杂系统 时间序列 离散变量 移动平均 无水港 钢卷 仓储 dry portsteel coil throughput predictionhybri
• 基金项目: 国家自然科学基金资助项目(61304186)

钢铁物流是衡量无水港钢铁贸易水平的核心指标之一。针对提升无水港运作效率,提前规划库位分配并监测钢卷吞吐量,提出一种基于时间序列和极端梯度提升(Xgboost)的钢卷仓储吞吐量预测方法。该方法对输入特征中含有连续变量和离散变量的混杂系统构建时间特征,用滑窗法构造回归数据,用one-hot编码处理离散变量,将差分整合移动平均自回归(ARIMA)模型和Xgboost模型加权融合,实现热卷和冷卷未来7天和4周的吞吐量预测。利用某无水港2014年至2018年的历史销售订单、仓储、吞吐量等数据进行训练和测试。实