基于ARIMA乘积季节模型和小波神经网络的全国铁路客运量分析

发布时间：2024-02-18 18:21

　　根据国家统计局2005—2019年的全国铁路客运量数据,分别用ARIMA乘积季节模型和小波神经网络对2017—2019年全国铁路客运量数据进行拟合与误差分析。结果表明:利用ARIMA乘积季节模型拟合的结果更精确,能很好地反映全国铁路客运量的变化规律,并使用ARIMA乘积季节模型对2020年的全国铁路客运量月度数据进行预测。

【文章页数】：2 页

【部分图文】：

图12017—2019年时序图和ARIMA(2,1,2)×(0,1,2)12拟合图

(7)利用ARIMA(2,1,2)×(0,1,2)12乘积季节模型对2017—2019年数据进行拟合，拟合结果如图1所示。(二)小波神经网络建模

图2小波神经网络算法流程

基于小波神经网络的全国铁路客运量分析的算法流程如图2所示。用前4年同月的数据，来预测第5年同月的数据。即2005—2008年的1月份数据，来建立2009年1月份的全国铁路客运量数据模型，用2005—2008的2月份数据，来建立2009年2月份的数据模型。以此类推，到12个月都建模....

图3小波神经网络拟合图

用2013—2016年同月份的全国铁路客运量数据，来预测2017年同月份的全国铁路客运量数据;2014—2017年同月份的数据，来预测2018年同月份的全国铁路客运量数据;2015—2018年同月份的数据，来预测2019年同月份的全国铁路客运量数据。共计36组数据。小波神经网络拟....

本文编号：3902325