【摘 要】
：
随着港口地位的提升,港口物流依托港口的口岸优势,在港口贸易中发挥着不可替代的作用。我国港口为建设自身港口物流,使得沿海港口群的物流发展呈现出不均衡的状况,环渤海港口就是其中之一。一方面,环渤海各港口物流发展受港口资源限制,港口间经常出现竞争;另一方面,在港口建设时出现了定位不清、重复建设等问题,阻碍环渤海港口物流的发展。只有明确各港口之间的竞争优势,才能促进环渤海港口物流的良好发展;同时环渤海物流
论文部分内容阅读
随着港口地位的提升,港口物流依托港口的口岸优势,在港口贸易中发挥着不可替代的作用。我国港口为建设自身港口物流,使得沿海港口群的物流发展呈现出不均衡的状况,环渤海港口就是其中之一。一方面,环渤海各港口物流发展受港口资源限制,港口间经常出现竞争;另一方面,在港口建设时出现了定位不清、重复建设等问题,阻碍环渤海港口物流的发展。只有明确各港口之间的竞争优势,才能促进环渤海港口物流的良好发展;同时环渤海物流如何建设、物流竞争力如何评价,仍存在一定的风险敞口,研究环渤海港口物流竞争力水平已显得尤为重要。本研究通过梳理港口物流、港口物流竞争力、物元分析与可拓学相关文献,对前人研究进行归纳总结;依据指标选取原则初步确定评价指标,采用因子分析法对评价指标进行筛选,构建环渤海港口物流竞争力评价指标体系;依据物元可拓法构建了物元可拓评价模型,对该模型进行两点改进:一是对经典域和待评物元矩阵进行规格化处理,运用计算距离代替关联度函数,二是引入非对称贴近度原则替代最大隶属度原则;确定了评价指标赋权方法,其中主观赋权采用权值因子判断法,客观赋权采用熵权法,综合赋权采用理想点法;最后运用评价模型评价了环渤海7个亿吨级港口物流竞争力,得到7个港口物流竞争力评价等级,并分析各港口物流竞争力二级指标的竞争优劣。主要研究结果:青岛港、天津港的物流竞争力为4级,处于第一梯队;大连港、烟台港的物流竞争力为3级,处于第二梯队;日照港、营口港的物流竞争力为2级,处于第三梯队;秦皇岛港口物流竞争力为1级,处于末位。依据各港口二级指标评价结果对其物流发展提出针对性建议,并针对提升环渤海港口整体物流竞争力水平提出大力发展临港产业,完善集疏运体系建设、转变港口发展方式,提升港口运营管理水平等3个方面的建议及对策。该论文有图4幅,表33个,参考文献83篇。
其他文献
行人检测是计算机视觉和图像处理领域的研究热点,广泛应用于智能视频监控、自动驾驶和智能机器人等领域。传统行人检测方法在一定条件下可以获得较好的行人检测效果,但在分辨率低、行人尺寸较小的情境下存在检测精度低的问题。针对上述问题,本文将深度学习方法中的基于区域全卷积网络（R-FCN）的目标检测算法引入到行人检测中,在R-FCN基础上做了一些改进,提出了一种基于区域全卷积网络的行人检测研究。首先,为了使行
随着互联网技术发展和国民收入增加,外卖订单的数量在持续的增加,给外卖行业带来的前所未有的发展机遇。外卖配送作为整个外卖过程中的核心业务,在其配送的过程之中,外卖路线的规划对于外卖配送效率、外卖配送成本以及用户的满意度将会产生巨大的影响。外卖市场处于激励的竞争阶段,采用合理、科学的方法对外卖配送路线进行规划,如何在保证配送服务质量的前提下控制外卖配送成本、提高外卖配送效率是外卖平台一个需要解决的问题
针对卷积神经网络浅层提取的特征利用率低,高低层特征互补优势难以利用的问题,提出了选择性特征连接机制（Selective Feature Connection Mechanism,SFCM）融合卷积神经网络高低层特征的方法以提高图像识别精度。首先,选定卷积神经网络低层特征,通过平均池化对低层特征降维,输出携带较多细节信息的低层特征;其次,按照卷积神经网络高层特征元素值越大,它所对应的位置特征越关键的
方面级情感分析（Aspect-based Sentiment Analysis,ABSA）作为一种细粒度的情感分析方法,可以对文本特定目标进行相应的情感倾向判定。针对现有基于注意力机制的方面级情感分析方法多关注词的相对位置特征,忽略上下文绝对位置特征的问题,本文提出了一种基于门控卷积神经网络的方面级情感分析模型Pos ATT-GTRU-ABSA。首先,模型使用Laplacian核函数构建相对位置特
音乐流派分类领域中音频特征的流派性表达、特征提取的设计,严重影响分类方法的精度和泛化性,因此提出一种将双注意力融合进行特征提取的深度卷积神经网络（DCNN-AFC）模型,并对音频功率谱图中特征的流派性表达进行增强。首先,为考虑音频功率谱图中音乐流派特征的多样性,在特征提取阶段采用梅尔滤波方法,以模拟人耳听觉系统的滤波器对音频信号进行有效过滤,通过对梅尔滤波后的信号进行维度还原,确保音频信号的流派特
处于电力系统最末端的配电网络是对电能进行分配的重要环节之一,近年来,随着接入配电网的负荷不断增加,配电网结构越加复杂,对配电网络的可靠性的要求也不断提高。采用小电流接地系统的配电网络在发生单相接地故障后虽然可以带故障运行1～2小时,但若不能及时准确确定故障线路故障点,极有可能会引起相间短路,给系统运行带来了极大的安全隐患。实现配电网络快速、准确的故障定位,对整个电力系统安全稳定运行具有十分重要的意
时间序列预测应用于现实世界的方方面面,对时间序列中未来数据的准确预测需要捕获具有代表性的序列特征,而传统的时间序列预测模型对非平稳时间序列预测误差较大,机器学习相关的时间序列预测模型存在预测滞后现象。针对上述问题,提出一种基于CEEMDAN与深度学习的时间序列预测模型。首先将时间序列通过CEEMDAN算法分解为代表不同时间尺度的本征模态函数序列,然后对每一路分解结果使用同比检验策略确定最佳滑动窗口
智能优化算法是以自然界中基本理论或数学模型为基础的一类重要启发式算法,具有对初始条件不敏感、操作简单易于理解且无需限定目标函数等优势,其已成为解决复杂优化问题的有效技术手段,并在优化机器学习算法的应用中凸显高效性和优越性。但智能优化算法通常存在初始化随机性强、局部优化差、关键参数设置固化等劣势,易导致算法逃逸局部极值性能偏弱,全局探索与局部搜索能力平衡性偏差的情况发生。因此,基于最优化理论与机器学
在图像分类领域,深度神经网络已经取得了优异的性能,但训练过程中需要强大算力的图像处理器作为支撑,而且训练的分类模型往往占用较大的内存。随着物联网设备的蓬勃发展,深度神经网络模型越来越需要部署在计算资源有限的小型智能设备上。因此,在嵌入式设备或手机终端上部署性能优良且轻量的网络模型成为研究的热点。针对当前深度学习解决方案在图像分类上大多无法同时兼顾模型的轻量化与准确率。提出一种轻量化的卷积神经网络架
对于核磁共振图像（MRI）、高光谱图像（HSI）和视频序列这样的三维图像,卷积神经网络（CNN）分类时不得不依赖更加复杂的网络结构,且精度提升有限。另外,MRI和HSI具有结构复杂、可用数据量少和空间信息丰富等特点,相比于视频序列图像,不存在通道间的时序性。CNN对此类图像分类存在训练样本少、特征提取不足等问题。目前基于多尺度方法的深度神经网络在图像分类中已经展现出了出色的能力;同时胶囊神经网络凭