Dự đoán khối lượng container sử dụng phương pháp phân rã chuỗi thời gian kết hợp với mô hình LSTM

Abstract

Vận tải container giữ vai trò trung tâm trong thương mại quốc tế và quản trị chuỗi cung ứng. Dự báo chính xác sản lượng container có ý nghĩa thiết yếu đối với công tác điều hành cảng, phân bổ nguồn lực, quy hoạch hạ tầng và ra quyết định chiến lược, đặc biệt trong bối cảnh kinh tế nhiều biến động. Trong những năm gần đây, các mô hình kết hợp phân rã chuỗi thời gian và học sâu trở thành xu hướng chủ đạo khi kết hợp ưu điểm của nhiều kỹ thuật khác nhau để nâng cao độ chính xác dự báo. Các nghiên cứu trước đây kết hợp mô hình phân rã cổ điển trong đó giả định yếu tố mùa vụ cố định, hoặc các kỹ thuật phân rã theo miền tần số như Variational Mode Decomposition (VMD) với các mô hình học máy và học sâu. Tuy nhiên, phương pháp phân rã cổ điển có thể chưa phản ánh đầy đủ sự thay đổi động của yếu tố mùa vụ, trong khi VMD đòi hỏi lựa chọn siêu tham số phức tạp và hạn chế về khả năng diễn giải kinh tế của các mode. STL là một thuật toán phân rã chuỗi thời gian, trong đó chuỗi được tách thành ba thành phần gồm xu hướng (trend), mùa vụ (seasonal) và phần dư (remainder) thông qua việc lặp lại quá trình làm trơn cục bộ (LOESS) trên các phần khác nhau của chuỗi. Phương pháp STL đã được ứng dụng trong nhiều lĩnh vực, tuy nhiên, có ít bằng chứng thực nghiệm về việc ứng dụng phương pháp STL trong lĩnh vực logistics và vận tải. Do đó, đề án này đề xuất một mô hình phân rã chuỗi thời gian STL kết hợp với LSTM đa biến nhằm dự báo khối lượng container xuất nhập khẩu tại cảng Los Angeles. Mô hình sử dụng dữ liệu khối lượng container cùng các biến kinh tế vĩ mô như chỉ số sản xuất công nghiệp (MPI), chỉ số giá tiêu dùng (CPI), giá nhập khẩu và giá xuất khẩu. Hiệu quả mô hình được đánh giá thông qua các chỉ số RMSE và MAPE, đồng thời so sánh với các mô hình SARIMA, LSTM đơn biến, LSTM đa biến, và mô hình phân rã cổ điển kết hợp LSTM. Kết quả thực nghiệm cho thấy mô hình đề xuất có sai số dự đoán thấp hơn so với các mô hình so sánh. Kết quả nghiên cứu góp phần hỗ trợ công tác lập kế hoạch khai thác, phân bổ nguồn lực, tối ưu hóa hạ tầng và ra quyết định chiến lược trong bối cảnh nhu cầu vận tải biến động. Đồng thời, đề án bổ sung bằng chứng thực nghiệm về hiệu quả của mô hình đề xuất, từ đó đóng góp thêm một mô hình phù hợp cho bài toán dự báo khối lượng container nói riêng và trong lĩnh vực logistics và vận tải biển nói chung. Các hướng phát triển tiếp theo bao gồm mở rộng dự báo ở cấp độ bến, cầu bến hoặc theo loại container; bổ sung thêm biến ngoại sinh; tối ưu hóa tham số phân rã riêng cho từng chuỗi; ứng dụng các kiến trúc Attention, Transformer nhằm nâng cao hiệu suất mô hình.