HARBORSHIELD / v0.5 / REAL-DATA EVIDENCE

真实数据,不回避预测误差。

新加坡集装箱船靠港次数 · IMF PortWatch · 2022–2024

这里是基于 AIS 的真实港口活动观测,不是构造订单。实验验证的是次日靠港次数预测,不能据此声称验证了货物延误、保险费率或商业节省。

逐日观测记录1,096
最终测试天数(2024)366
预先选定方法 · 平均绝对误差3.29 次 / 天

先过去,再未来。

训练 / 2022365
选方法 / 2023365
最终测试 / 2024366

2022 年拟合;2023 年按平均绝对误差(MAE)选择方法。岭回归随后仅用 2022–2023 年重新拟合并冻结系数。2024 年逐日向前预测:可以使用此前已观察到的 2024 年记录,不能使用当天或未来的真实值。这不是在 1 月 1 日一次性预测整年。

进入最终测试前选定的方法: 此前 28 天均值
相比“直接用昨天”的 MAE 改善: 31.4%

方法由 2023 年决定,不按 2024 年结果挑选赢家。复杂模型不一定更好;负的改善值代表误差更大。这是后来下载的历史数据,可能经过修订,不是使用 2024 年当时数据版本的回测。

简单基线与可解释模型的比较

方法2023 MAE ↓2024 MAE ↓2024 RMSE ↓2024 WAPE ↓
直接使用昨天次数4.804.805.9512.9%
使用上周同一天4.544.605.8512.3%
此前 28 天均值 · 2023 年选定3.463.294.178.8%
此前四周同一星期几的均值3.603.654.639.8%
岭回归自回归(固定惩罚 10)3.933.464.409.3%

MAE = mean absolute error · RMSE = root mean squared error · WAPE = Σ|error| / Σobserved. MAE/RMSE: 次 / 天.

预测与真实观测的对照

— 真实观测 — 选定方法预测

预测与真实观测的对照图中使用周均值方便阅读;首尾不足一周的记录保留。上面的误差按 366 个逐日目标计算,不按周均值计算。集装箱船靠港次数 / UTC 日(周均值)010203040502024-012024-022024-042024-062024-082024-102024-12

图中使用周均值方便阅读;首尾不足一周的记录保留。上面的误差按 366 个逐日目标计算,不按周均值计算。

哪些月份更难预测?

2024 月份天数真实日均次数预测日均次数逐日 MAEWAPE
2024-013140.0039.963.258.1%
2024-022939.0739.263.087.9%
2024-033137.3238.362.988.0%
2024-043036.6737.343.409.3%
2024-053135.9435.723.098.6%
2024-063033.0734.253.6911.2%
2024-073135.4234.673.168.9%
2024-083137.2636.453.208.6%
2024-093036.9037.243.539.6%
2024-103139.0637.763.529.0%
2024-113038.4738.533.619.4%
2024-123138.4238.462.987.8%

可以对应实际工作,但还缺关键证据

货代运营分析人员可以把靠港次数预测作为活动监测输入,在预测误差异常时进一步核查。若要据此做真实航线或补货决策,还需要同时间、同港口的等待时间、船期、交付、报价和成本观测。次数增多不等于拥堵,因此本实验不会自动把靠港次数换算成构造订单中的延误天数。

来源与数据质量检查

本快照没有缺失日期、重复日期或非法计数。缺失值会阻止运行,不会用零填充。原始接口响应和整理快照的 SHA-256 校验一致。

2022-01-01 → 2024-12-31 · port1201 · 0 zero-count days

来源、方法参考与复现

仅选取新加坡 port1201 的非商业研究子集,不代表所有新加坡周边港区。日期为 UTC;次数指集装箱船进入来源定义港区的事件,不是独立船舶数量、集装箱数或 TEU。AIS 覆盖、分类和历史修订可能影响指标。

IMF PortWatch · Daily_Ports_Data
Sources: UN Global Platform; IMF PortWatch (portwatch.imf.org).

IMF 工作论文 2021/225:Tracking Trade from Space
世界银行公开示例:港口靠港活动监测

参考资料用于理解 AIS 数据来源、局限、分页和活动监测。本项目自行实现预测实验,不冒充对这些论文结论的复现。

下载时间(UTC): 2026-10-04T14:34:46+00:00
快照 SHA-256: 3238a37352ae993c4cb4e44848268aab621978f835a74ef1528e8e2e073f0985

IMF 数据使用条款——与代码的 MIT 许可分开

下载完整实验结果 JSON

在 GitHub 查看数据、测试和复现指南