近期，物流经济与物流系邹玉叶及其研究生苏伯瀚、国际贸易与金融系陈彦晖老师的学术论文“Nonparametric Functional Data Analysis for ForecastingContainer Throughput: The Case of Shanghai Port ”在航运类国际知名期刊《Journal of Marine Science and Engineering》上发表。

该论文的核心观点是：时间序列方法是预测集装箱吞吐量的关键技术。然而，传统的时间序列方法将集装箱吞吐量数据视为离散点，忽略其函数特征。本论文将历史的集装箱数据视为连续的序列，使用函数型数据分析方法挖掘更丰富的数据信息。另外，为了消除函数时间序列预测方法中的线性约束，本论文提出了一个函数非参数模型的版本，包括函数非参数回归模型、函数条件分位数回归模型和函数条件众数回归模型。为了更好地比较预测效果，本论文比较了非参数函数型数据分析方法与其他预测方法（传统的非参数回归模型、传统的实际序列模型、函数型线性回归模型）。结果表明，非参数函数型数据分析方法的预测效果更优。

全文链接为：https://doi.org/10.3390/jmse10111712