VIP20
本课程属于：008-集装箱运输与港口运营 综合方向 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

集装箱需求预测基础方法

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
明确集装箱需求预测的定义 · 重要性 · 行业背景及课程学习路径
课程导入明确集装箱需求预…
02
集装箱市场基础
了解集装箱运输产业链 · 主要参与者 · 运力与货流的基本特征
集装箱市场基础了解集装箱运输产…
03
需求预测的基本概念
区分需求与运量 · 短期与长期预测 · 点预测与区间预测
需求预测的基本概…区分需求
04
数据基础与采集
识别需求预测所需的数据类型（历史运量 · 贸易数据 · 经济指标等）及数据来源
数据基础采集
05
数据清洗与预处理
处理缺失值 · 异常值 · 时间序列对齐
数据清洗预处理
06
探索性数据分析（EDA）
通过可视化与统计方法理解需求趋势 · 周期 · 季节性和相关性
EDA探索性数据分析
07
时间序列基础
介绍时间序列的组成（趋势 · 季节 · 循环
时间序列基础介绍时间序列的组…
08
移动平均与指数平滑法
掌握简单移动平均 · 加权移动平均 · 一次/二次指数平滑的原理与应用
移动平均指数平滑法
09
Holt-Winters模型
学习季节性指数平滑方法 · 适用于具有趋势和季节性的集装箱需求数…
Holt-Winters模型
10
ARIMA模型基础
理解自回归 · 差分 · 移动平均的概念及ARIMA建模步骤
ARIMA模型基础
11
SARIMA模型
扩展ARIMA以处理季节性 · 掌握季节性参数设置与模型识别
SARIMA模型
12
回归分析方法
利用经济指标 · 贸易量等外生变量建立多元线性回归预测…
回归分析方法利用经济指标
13
机器学习入门
对比传统统计与机器学习方法 · 介绍常用算法（如随机森林 · XGBoost）在需求预测中的应用
机器学习入门对比传统统计
14
模型评估指标
掌握MAE · MSE · RMSE
模型评估指标MAE
15
模型选择与比较
通过交叉验证 · 信息准则等方法比较不同模型的预测性能
模型选择比较
16
预测不确定性
理解预测区间的构建 · 误差传播及情景分析的基本概念
预测不确定性理解预测区间的构…
17
案例实战（一）
基于历史运量数据 · 使用指数平滑法进行月度集装箱需求预测
案例实战基于历史运量数据
18
案例实战（二）
使用SARIMA模型对带有季节性的周…
案例实战SARIMA
19
案例实战（三）
构建多元回归模型 · 结合贸易指数和GDP预测区域集装箱吞…
案例实战构建多元回归模型
20
案例实战（四）
使用机器学习方法（如随机森林）进行需… · 并与传统方法对比
案例实战使用机器学习方法
21
预测结果可视化
学习如何绘制预测曲线 · 置信区间及误差图 · 提升结果可解释性
预测结果可视化学习如何绘制预测…
22
业务应用与决策
将预测结果转化为运力调配 · 库存管理 · 航线规划等业务决策
业务应用决策
23
常见问题与陷阱
识别过拟合 · 数据泄漏 · 非平稳性误判等常见错误及规避方法
常见问题陷阱
24
预测更新与滚动预测
掌握滚动预测机制 · 实现模型在线更新与动态调整
预测更新滚动预测
25
组合预测方法
学习如何将多个模型进行加权组合 · 提高预测稳健性
组合预测方法学习如何将多个模…
26
深度学习入门
简要介绍LSTM等深度学习方法在序列…
深度学习入门LSTM
27
行业实践与前沿
了解当前集装箱需求预测在航运 · 港口 · 物流中的实际应用案例
行业实践前沿
28
综合实战项目
从数据获取 · 清洗 · 建模
综合实战项目从数据获取
29
课程总结与知识图谱
梳理核心知识点 · 方法选择路径及常见误区
课程总结知识图谱
30
考核与拓展
设计综合练习题 · 项目答辩及推荐进阶学习资源
考核拓展