基于组合模型的民航客运量预测研究

发布时间：2020-04-10 04:51

【摘要】：作为国民经济和社会发展的重要行业之一,民用航空业在近年来发展迅速,每年的民用航空客运量都稳步增长.民航旅客运输量直接影响机场的建设、飞机的采购和航线的规划发展等.因此,为了使航空事业在我国国民经济发展中充分发挥作用,促进航空客运建设快速、高效发展,同时,为民航企业的管理等相关工作提供科学依据,民用航空运输交通的研究与预测显得不容忽视.由于单一模型不能完全反映民用航空客运量的信息,因此本文引入组合模型的方法对数据进行研究与预测.为了提高对民航客运量的预测精度,本文分别利用R、Eviews、SPSS等工具,采用支持向量回归机,季节性自回归求和移动平均模型以及温特斯线性指数平滑模型对民用航空客运量进行预测,并使用平均相对误差以及均方根误差对每个单一模型进行分析后,利用各个单一模型对2019年1月至2019年6月的民航客运量进行外推预测.然后分别使用等权重法、简单加权平均法、方差倒数法、均方误差倒数法、优势矩阵法和基于误差平方和最小的组合预测模型对三个单一模型的测试样本分别进行组合,发现每种组合模型的平均相对误差以及均方根误差均小于单一模型.为进一步提高对民航客运量的预测精度,引入基于IOWA算子的组合模型.由于对每一个单一模型来说,在不同时刻模型预测的精度不同,因而在单一模型的不同时刻赋予相同权重是不合适的,而IOWA算子可以将同一时刻的单一模型预测结果排序,从而达到有序赋权的结果.通过对我国民航客运量的分析和预测,比较各个模型的预测结果,发现基于IOWA算子的组合模型对民航客运量预测有较高精度,具有一定的实用性,对中国民用航空业的发展可以起到一定引导作用.
【图文】：

VM 模型进行对比后发现,组合模型对于风速数据的预测误差更小.Huousinho, Víctor Manuel Fernandes Mendes, Jo o Paulo da Silva Catal o[11]算法来优化自适应网络模糊推理系统 (Adaptive-Network based Fuzzy ANFIS),得到组合模型.Wenyu Zhang, Jujie Wang, Jianzhou Wang, Zengian[12]提出通过季节判断法将数据集分解为趋势部分和季节部分,再通过nction Neural Network, RBFNN) 模型对分解的各序列进行预测.Hassennoudjit[13]中提出通过多结构系统,即用不同回归算法进行组合的模型,的方法处理原始数据,预测效果良好.Sheng Chen, Lin Ye, Gengwu Zhaijun Dong, Chao Dai[14]提出通过马尔可夫方法和灰度模型 (Grey Mod来得到最终的预测值.的组合模型适用于不同的领域,为了避免选择组合模型的不确定性,对进行更好的分析,需要根据不同的领域建立相应的组合模型并不断优预测结果.航客运量介绍

真实验与结果分析仿真结果是在 R3.4.0 环境下编程实现的.图 2.1 支持向量回归机预测过程Fig.2.1 Support vector regression machine prediction process.1表示支持向量回归机对民航客运量进行预测的过程,通过网格搜索法得到值为 C 2896.309, 0.0002125368, 0.01.结果如图 2.2 所示.训练样本SVR学习模型SVR预测模型预测结果网格搜索法 测试样本
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F224;F562

【相似文献】

相关期刊论文 前10条

1 梁武超;王颖;贾廷威;;基于三次指数平滑模型的快递行业顾客抱怨对策研究[J];今日财富(中国知识产权);2017年03期

2 邓超风;;指数平滑模型探讨[J];中国水运(学术版);2006年09期

3 黄泽荣，许刘俊;指数平滑模型功能分析[J];统计与预测;1996年04期

4 吴风平，，刘玮斌;指数平滑模型的新构思[J];河海大学学报;1994年06期

5 谢小山;陈彦恒;梁斐;;指数平滑模型在铁路客运量预测中的运用[J];青春岁月;2013年08期

6 周炳飞;;动态指数平滑模型预测及应用[J];哈尔滨师范大学自然科学学报;2013年04期

7 汪选胜;;改进的三次指数平滑模型在交通优化中的研究与应用[J];机械制造与自动化;2012年04期

8 吕金涛;;基于指数平滑模型的我国天然气消费量预测[J];商场现代化;2012年25期

9 谭跃生;刘庆;傅晨阳;;动态指数平滑模型在校园网络监控中的研究[J];内蒙古科技大学学报;2009年04期

10 赵洪宾,陈兵,伍悦滨;给水管网漏失预测模型的研究[J];给水排水;2001年10期

相关会议论文 前7条

1 王梦东;刘敏;;指数平滑模型在能源消费总量预测中的应用[A];长江三峡库区蓄水与航路航法论文集[C];2007年

2 马隽;肖建华;艾华;王洪斌;;基于指数平滑模型预测禽霍乱发病的初步研究[A];中国畜牧兽医学会信息技术分会第十二届学术研讨会论文集[C];2017年

3 苗开超;胡学钢;徐建鹏;琚书存;;指数平滑模型在农产品价格预测中的应用[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集（下册）[C];2009年

4 贾雨文;武义青;;指数平滑模型的时间延迟及矫正[A];21世纪数量经济学（第13卷）[C];2012年

5 刘翠;李冠峰;;我国专用汽车未来发展趋势预测与分析[A];第六届河南省汽车工程科技学术研讨会论文集[C];2009年

6 鞠金艳;王金武;王金峰;;2009～2015年黑龙江省农机总动力定量预测[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

7 王有良;周文国;;基于时间序列的基坑水平变形预测模型[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

相关硕士学位论文 前10条

1 张蕾;基于组合模型的民航客运量预测研究[D];辽宁师范大学;2019年

2 高晓辉;灰色指数平滑模型及其在空气质量预测中的应用[D];河北工程大学;2019年

3 张丽;基于动态指数平滑模型的粮食价格预测方法研究[D];河南工业大学;2011年

4 苗开超;基于指数平滑模型的农产品价格预测研究[D];合肥工业大学;2009年

5 王大伟;基于一次指数平滑模型的P2P负载均衡机制研究[D];复旦大学;2013年

6 杨佳洁;高层建筑变形监测精度分析研究[D];内蒙古师范大学;2012年

7 汤云;应用灰色理论预测病毒性肝炎发病情况研究[D];第三军医大学;2009年

8 艾华;基于指数平滑模型的禽霍乱发病预测模型的研究[D];东北农业大学;2013年

9 李奇;一种基于时间序列指数平滑的决策支持算法的研究[D];燕山大学;2007年

10 齐雪雯;风速分布预测的指数平滑模型及其在配电网可靠性中的应用[D];重庆大学;2012年

本文编号：2621777