基于优化组合模型的航空货邮市场需求预测——来自2007—2017年全球及中国面板数据的实证分析

发布时间：2021-08-17 15:49

　　航空货邮周转量是评价航空物流业发展的一个重要指标,传统预测方法在复杂系统的表现较差。在趋势外推法、多项式回归和灰色预测的基础上,引进诱导有序加权平均（IOWA）算子组合预测模型。结果表明,该方法对航空货邮周转量的预测效果比其他方法更好,以2018年全球数据进行检验,预测误差仅有4.72%。通过预测结果进一步对比分析全球及中国航空货邮市场的发展情况及未来趋势,为中国航空物流业的转型升级以及经济结构的优化发展提供参考与启示。 

【文章来源】：技术经济. 2020,39(03)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

IOWA算子组合预测模型的步骤和数学逻辑图

另外，为了能更直接地反映各预测模型的拟合效果，本文将各个预测模型的预测值与全球航空货邮周转量的实际值构建折线图，其拟合结果如图2所示。从图2可以看出，相比于其他预测模型，IOWA算子组合预测模型对面板数据的拟合更好，更逼近实际值。进一步通过组合预测的方法预测2018年全球航空货邮周转量，然后以2018年全球航空货邮周转量的实际值做进一步的检验，检验发现估计值与实际值的相对误差仅有4.72%，说明此模型能够较为精确地反映出面板数据未来的发展情况。

【参考文献】：
期刊论文
[1]基于灰色神经网络的云南省货运量预测模型研究[J]. 巫仁亮,徐伟华,沈文喆.  物流科技. 2019(08)
[2]四川省入境旅游需求组合预测研究[J]. 王洋,张萍.  数学的实践与认识. 2019(10)
[3]基于IOWA组合模型的高速铁路客运量预测研究[J]. 孙丽,牟海波.  铁道运输与经济. 2018(09)
[4]基于灰色系统理论的成绩预测分析[J]. 杨冠.  数学学习与研究. 2018(05)
[5]基于IOWA算子的优化灰色组合模型及其应用[J]. 张和平,陈齐海,熊传斌.  统计与决策. 2017(19)
[6]基于聚类算法和ANFIS的广西航空货运量预测研究[J]. 朱倩,廖志高,张峰祎.  武汉理工大学学报. 2015(08)
[7]云南航空物流预测与发展对策研究[J]. 孙丽姗.  物流技术. 2014(03)
[8]基于ARIMA-GM的短期民航货邮周转量研究[J]. 李程,徐琪.  计算机工程与应用. 2015(02)
[9]趋势外推法数学模型的几何凸性分析[J]. 郑宁国.  高等数学研究. 2007(01)
[10]组合预测误差信息矩阵进一步研究[J]. 马永开,杨桂元,唐小我.  电子科技大学学报. 1996(05)



本文编号：3348053