近期，物流經濟與物流系鄒玉葉及其研究生蘇伯瀚、國際貿易與金融系陳彥暉老師的學術論文“Nonparametric Functional Data Analysis for ForecastingContainer Throughput: The Case of Shanghai Port ”在航運類國際知名期刊《Journal of Marine Science and Engineering》上發表。

該論文的核心觀點是：時間序列方法是預測集裝箱吞吐量的關鍵技術。然而，傳統的時間序列方法將集裝箱吞吐量數據視為離散點🀄️，忽略其函數特征。本論文將歷史的集裝箱數據視為連續的序列，使用函數型數據分析方法挖掘更豐富的數據信息。另外😫，為了消除函數時間序列預測方法中的線性約束𓀝，本論文提出了一個函數非參數模型的版本，包括函數非參數回歸模型、函數條件分位數回歸模型和函數條件眾數回歸模型🧑🏻‍🦯‍➡️。為了更好地比較預測效果，本論文比較了非參數函數型數據分析方法與其他預測方法（傳統的非參數回歸模型、傳統的實際序列模型、函數型線性回歸模型）。結果表明，非參數函數型數據分析方法的預測效果更優🦹‍♂️⬜️。

全文鏈接為：https://doi.org/10.3390/jmse10111712