由于受到诸多因素的影响,铁路货物周转量月度数据表现出显著的季节性、趋势性、随机性等特征,单一智能预测法很难准确揭示这些复杂变化特征。针对该问题,文章提出一种基于最小二乘支持向量机(LSSVM)铁路货物周转量智能组合预测法,该方法先通过X12季节调整法分解出铁路货物周转量月度数据中的趋势变化分量、季节变化分量和随机变化分量,再利用灰色预测法(GM(1,1))、小波神经网络(WNN)和支持向量机(SVM)分别预测这三种分量,最后通过LSSVM将三种分量的预测值组合为最终预测值。以我国铁路货物周转量月度数据为例,验证LSSVM智能组合预测法的有效性。结果表明,LSSVM智能组合预测法预测性能优于GM(1,1)、WNN、SVM、LSSVM以及Add组合预测法,适合于月度铁路货物周转量的短期预测。
类型: 期刊论文
作者: 耿立艳,张占福
关键词: 铁路运输,预测,最小二乘支持向量机,货物周转量,季节调整
来源: 统计与决策 2019年24期
年度: 2019
分类: 经济与管理科学,基础科学,工程科技Ⅱ辑
专业: 数学,铁路运输,宏观经济管理与可持续发展,交通运输经济
单位: 石家庄铁道大学经济管理学院,石家庄铁道大学四方学院
基金: 国家自然科学基金青年项目（61503261）,河北省软科学研究计划项目（15456106D）,河北省高等学校青年拔尖人才计划项目（BJ2014097）,河北省社会科学发展重点课题（2015020206）,河北省软科学研究基地项目（12457206D-14）
分类号: F224;F532
DOI: 10.13546/j.cnki.tjyjc.2019.24.017
页码: 77-80
总页数: 4
文件大小: 1545K
下载量: 128
本文来源: https://www.lunwen66.cn/article/8dde8516894676fae28bebfd.html