基于ARIMA-GM的短期民航货邮周转量研究.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2015，51(2) 259 基于ARIMA．GM 的短期民航货邮周转量研究 李 程 ，徐 琪 LICheng一，XUQi 1．东华大学，上海 201620 2．上海工程技术大学，上海 201620 1．DonghuaUniversity,Shanghai201620，China 2．ShanghaiUniversity ofEngineering Science，Shanghai201620，China LICheng，XUQi．StudyoncivilaviationRFTKbasedonARIMA—GM．ComputerEngineeringandApplications， 2015．51(2)：259—264． Abstract：ARIMA modelhasabetterfittingeffecton seasona1feature．Greymode1canaccuratelyreflectthegrowth n．endoftimeseries．CombinedthecharacteristicsofcivilaviationRFTKwiththeadvantagesofARIMAmodelandGM (1．1) model，comprehensivelyusingtheanalysismethodoftimeseries，thispaperpresentsthecombinationpredictionmodelof ARIMA．GM ．ItrespectivelyestablishesthetimeseriesmodelofARIMAmodelandGM (1，1)modeltoshowthedynamic ruleofcivilaviationRFTK changingastim epassing．Atlast．formoreaccuratelypredictingthemonthcivilaviation RFTK，thispaperputsforwardtheforecastingmethodofcombinationmodel，andmakesanexactforecastofthecivilavi- ationRFTK inafeW months．ThecombinationmodelisagoodsolutiontothepracticalproblemsofrcivilaviationRFTK forecasting，basedonwhichitcanhaveamacro-graspofcivilaviationRFTK markettrend，whichwillcertainlybecondu— civetoeconomicdecision-making． Keywords：civilaviationRFTK；GM (1，1)model；AutoregressiveIntegratedMovingAverage(ARIMA)model；combi— natjonmode1 摘 要 ：ARIMA模型对季节特征有较好的拟合效果，灰 色GM(1，1)模型能准确反映时间序列的增长趋势，结合民航 货邮周转量的特点和ARIMA模型和GM(1，1)模型的优点，分别建立货邮周转量的ARIMA和GM(1，1)的时间序列 模型 ，揭示出民航货邮周转量随时间推移而发展变化的动态规律，最后为更精确地预测月度民航货邮周转量，提出 基于ARIMA—GM 的组合预测模型，并对近几月民航货邮周转量进行较准确的短期预测，结果表 明：组合模型能提高 预测精度，在实际应用中ARIMA模型可用于非季节和季节的各类时间序列；灰色GM(1，1)模型能准确反映时间序 列的增长趋势，两者相结合很好地解决了民航货邮周转量短期预测的实际问题，得到民航货邮周转量更精确的预测 结论，能够对民航货邮市场的发展趋势进行宏观把握，有利于决策者的经济决策行为。 关键词 ：民航货邮周转量 ；GM (1，1)模型；自回归移动平均(ARIMA)模型；组合模型 文献标志码：A 中图分类号：F562 doi：10．3778／j．issn．1002．8331．1309．0080 民航货邮周转量是民用航空运输生产的一大重要 测 ，取得了一定的成果。但是民航运量受到社会、经济、 经济指标 ，对其进行中、短期准确预测的研究对我国民 自然等各种因素的综合影响，如民航货邮