我国民航旅客周转量的预测与分析重点讲义.pptxVIP

我国民航的 旅客周转量分析与预测 小组成员：郭启文 郭圣禄 CONTENTS 1 摘要 交通运输业重要组成部分 发展程度反映了一个国家的经济发展水平 满足社会公众的需要 发展旅游，促进对外交往 国民经济的发展已离不开航空运输业的发展 对国民经济做出重大贡献 随着时代的发展，被整个人类所重视的程度与日俱增。 我们小组之所以选用航空运输业而不选择水运和铁路运输，是因为2013起，我国对公路和水路运输量的统计口径和推算方案进行了调整。因此我们组选用数据更加统一的航空运输。 选择民航旅客周转量的原因 研究与预测旅客周转率的意义： 预测未来一定时期内民航运输市场的需求与供应量 为民航各级管理和决策部门制定计划目标和进行经营决策提供科学依据。 关键词： 旅客周转量 时间序列 ARIMA 差分自回归移动平均 本文综合运用时间序列分析方法，建立了衡量我国民航运输生产的重要指标-旅客周转量的ARIMA（差分自回归移动平均）模型，揭示出民航旅客总周转量随时间推移而发展变化的动态规律，并对近几年民航旅客运输总周转量进行了较准确的预测，结果表明预测模型能较好的反映出民航旅客周转量的中短期变化规律。 2 民航的发展情况 旅客周转量 引言 旅客周转量，是指旅客人数与运送距离的乘积。同时反映交通部门一定时期内旅客运输工作量的指标。以人公里/海里表示。在此模型中单位为亿人公里。在我国，旅客周转量是制订运输计划和考核运输任务完成情况的主要依据之一。 我国民航运输业呈快速增长的姿态 2005年我国航空公司航班完成的总周转量为257亿吨公里 世界第二航空运输大国。 成为我国国民经济的重要增长点 我国的民航运输业基础差、底子薄 与世界先进水平相比还存在着不小的差距。 通过推断和预测未来，提出加速我国的航空运输业发展的对策和措施 3 时间序列分析方法概述 时间序列分析方法概述 平稳性检验 随机性检验 4 实证分析 实证分析 实证分析-ADF检验 原序列：非平稳 一阶差分序列：平稳 实证分析-纯随机性检验 P值很小，非纯随机序列 对一阶差分后的序列进行纯随机性检验，发现12，24，36阶数据自相关函数很大，故判断可能有季节趋势 实证分析-模型估计 进行季节差分，所得序列已基本消除季节性 y=x-x(-12) 实证分析-模型估计 实证分析-模型估计 实证分析-模型估计 实证分析-模型估计 实证分析-预测 实证分析-预测 2016m1 2016m2 2016m3 2016m4 2016m5 2016m6 2016m7 2016m8 2016m9 实际值 635.99 656.04 654.34 647.86 643.96 635.13 721.56 754.51 682.46 预测值 640.14 658.90 660.12 653.34 650.56 642.45 729.98 764.25 692.64 相对误差 0.0065 0.0043 0.0088 0.0084 0.0102 0.0115 0.0116 0.0129 0.0149 实证分析-预测 5 结语 本文以中国历年的全国民航旅客周转量数据为基础，对全国民航旅客周转量序列进行建模拟合分析，结果发现，全国民航旅客周转量序列值之间具有一定的相关性和季节性。当期之前的走势会对当期以及当期以后的值产生一定影响。并且随着时间的延续，这种影响力度呈现出递减的规律。且呈现明显的以12个月为周期的季节波动。 6 参考文献 [1]尧姚,陶静,李毅. 基于ARIMA-BP组合模型的民航旅客运 输量预测[J]. 计算机技术与发展,2015,12:147-151. [2]郑彦. 对时间序列的ARIMA调整与回归分析——以民航 客运统计为例[J]. 齐齐哈尔大学学报(自然科学 版),2010,03:82-85. [3]王婷. 民航客运量的ARIMA模型与预测[J]. 五邑大学学报 (自然科学版),2007,01:38-42. THANK YOU