基于EEMD方法對日照港貨物吞吐量的研究

孟繁林

摘 要：應用集合經(jīng)驗模態(tài)分解（EEMD）方法對日照港2001年至2014年貨物吞吐量進行了研究。分析結果表明EEMD方法減少了模態(tài)混疊對結果的影響，可以有效的揭示港口吞吐量的內(nèi)在規(guī)律，在船舶交通流量分析，港口客、貨運量等數(shù)據(jù)分析領域有著廣泛的應用前景。

關鍵詞：集合經(jīng)驗模態(tài)分解 貨物吞吐量 固有模態(tài) 周期

港口吞吐量又稱港口吞吐能力、港口通過能力，是衡量港口規(guī)模大小的最重要的指標。反映在一定的技術裝備、勞動組織條件下，一定時間內(nèi)港口為船舶裝卸貨物的數(shù)量，通常以噸數(shù)來表示。港口吞吐量反映港口規(guī)模及能力，能清楚地報告期內(nèi)經(jīng)由水路進、出港區(qū)范圍經(jīng)過裝卸的貨物數(shù)量，也能從側面反映一段時期內(nèi)進出港口船舶交通流量情況。

港口貨物吞吐量是一個復雜的變量，受諸多因素的影響。港口所處的地理位置、腹地經(jīng)濟、政策環(huán)境、港口通過能力、集疏運系統(tǒng)、自然條件、港口運營情況、港口貨物組成結構、工農(nóng)業(yè)生產(chǎn)的季節(jié)性、車船到港的均衡性等對港口吞吐量都有顯著的影響?？茖W準確的貨物吞吐量預測對港口的總體布局、集疏運、海事局船舶交通監(jiān)控有著重要的指導意義。

港口貨物吞吐量受諸多因素影響，變化非常復雜，是非線性的時間序列，直接用普通數(shù)學模型進行分析是不科學的，必須從數(shù)據(jù)本身入手，分析其內(nèi)在規(guī)律。Hilbert-Huang變換（Hilbert-Huang Transform，HHT）是近年來發(fā)展起來的一種適用于非線性、非穩(wěn)定性信號處理的自適應時頻分析方法。Hilbert-Huang變換包括EMD（Empirical Mode Decomposition，EMD）方法和與之相應的Hilbert譜。本文基于改進后的EMD方法，即集合經(jīng)驗模態(tài)分解方法（Ensemble Empirical Mode Decomposition，EEMD），對日照港2001年1月至2014年12月貨物吞吐量進行研究。

Hilbert-Huang變換及EEMD

Hilbert-Huang變換應用EMD理論將時間序列分解成相互獨立的若干固有模態(tài)函數(shù)（Intrinsic Mode Function，簡稱IMF）的和，并對每個IMF進行Hilbert變換得到信號的瞬時頻率和幅值，由此構成Hilbert譜給出了時間序列隨時間和頻率變化的精確表達，因而可以精確描述信號的局部行為。EMD是一種自適應信號分解方法，主要應用于非線性非平穩(wěn)的信號或時間序列，是繼傅立葉譜分析和小波分析之后出現(xiàn)的功能強大的數(shù)據(jù)分析方法，得到廣泛的研究和應用。但EMD分解出來的 IMF 分量中常出現(xiàn)模態(tài)混疊，即同一個 IMF 分量中，包含著尺度分布范圍很寬而又各不相同的時間序列，或是在不同的 IMF 分量中，包含著尺度相近的時間序列。模態(tài)混疊造成的后果是使 IMF 分量不再具有原來單一的特征時間尺度，變成尺度混雜的振蕩，從而失去原有的物理意義。N.E.Huang提出的集合經(jīng)驗模式分解（EEMD）方法可減少模態(tài)混合，有效提取真實模態(tài)。

集合經(jīng)驗模態(tài)分解（EEMD），主要是利用白噪聲的能量均勻分布的特性以及整體平均意義來消去模態(tài)混合。即在原時間序列中加入若干次白噪聲，再分別進行EMD處理，最后求平均得到逼近的真實模態(tài)。步驟如下：

往信號中加入或減去白噪聲 （11）

由于白噪聲的零均值特性，加入噪聲的次數(shù)足夠多，將這些多次分解的結果取平均后，噪聲最終將被互相抵消而達到消除的效果，總體平均的結果就可以被當作真實時間序列。加噪聲的次數(shù)越多，平均后的結果所含的剩余噪聲越小，結果就越接近原時間序列的真實值。

數(shù)據(jù)處理

根據(jù)交通運輸部網(wǎng)站公布的我國沿海規(guī)模以上港口貨物吞吐量月度公報，選擇日照港2001年1月至2014年12月的數(shù)據(jù)建立貨物吞吐量的時間序列，如圖1為時序圖。統(tǒng)計公報一般沒有當年12月份的數(shù)據(jù)，本文采用前后2個月數(shù)據(jù)平均的方法得到每年12月份的數(shù)據(jù)。

結果分析

1、貨物吞吐量固有模態(tài)與周期

對數(shù)據(jù)做EEMD分解，其中白噪聲標準差與信號標準差的比值取推薦值0.2，集合平均次數(shù)20次。日照港貨物吞吐量由原來非線性時間序列，分解為5個固有模態(tài)分量（IMF）及一個代表時間序列發(fā)展趨勢的趨勢分量R。5個IMF分別表示5個不同的時間尺度，各IMF表現(xiàn)出由高頻到低頻的特征。

Hilbert變換以后，求得各階固有模態(tài)的瞬時頻率，進而求得各階模態(tài)的平均頻率和平均周期。由圖3可見，日照港貨物吞吐量具有5個變化周期，分別為：2個月、8個月、15個月、26個月、71個月，大致對應于1個季度、半年、1年、2年和6年變化周期，這些變化周期是由于港口貨物吞吐量影響要素的變化周期引起的。

2、日照港吞吐量的發(fā)展趨勢

趨勢分量R反映的是時間序列長期變化趨勢。由圖2中趨勢分量R圖可知，2001年1月至2014年12月日照港吞吐量總體上呈現(xiàn)出穩(wěn)步上升的趨勢，受金融危機及航運市場的影響不大。

結論與展望

日照港貨物吞吐量具有5個變化周期，分別為：2個月、8個月、15個月、26個月、71個月，大致對應于1個季度、半年、1年、2年和6年變化周期。從2001年1月至2014年12月，日照港貨物吞吐量呈現(xiàn)出穩(wěn)步增長的趨勢。

EEMD方法減少了模態(tài)混疊對結果的影響，可以有效地揭示港口吞吐量內(nèi)在規(guī)律。結合SVM、RBF神經(jīng)網(wǎng)絡等數(shù)學模型可以對某一指標進行預測。因此EEMD方法在船舶交通流量分析，港口客、貨運量等數(shù)據(jù)分析領域有著廣泛的應用前景。

（作者單位：日照海事局）endprint