我国铁路客运量短期预测模型修正及比较

发布时间：2020-12-10 05:49

　　文章针对我国铁路客运量进行短期预测,首先分析现有常见预测模型的优点与不足,然后试图通过构造新的组合或修正模型,从而实现提高预测精度。在构建年度数据组合模型时,发现以偏最小二乘回归、主成分回归和岭回归为基础进行组合时,预测精度达到了最优;在构建季度数据模型时,首先通过修正的时间序列分解法与季节周期回归模型显著地提高了预测精度,然后以这两个模型为基础构造组合模型,预测精度进一步得到提高。 

【文章来源】：统计与决策. 2019年21期 第66-71页 北大核心CSSCI

【文章页数】：6 页

【参考文献】：
期刊论文
[1]基于灰色回归组合模型的铁路客运量预测研究[J]. 王彬.  重庆理工大学学报(自然科学). 2017(11)
[2]基于组合预测方法的公路客运量预测[J]. 朱方方,覃鹏,赵祖菊,王正.  综合运输. 2017(02)
[3]基于SARIMA模型在我国铁路客运量中的预测[J]. 郝军章,崔玉杰,韩江雪.  数学的实践与认识. 2015(18)
[4]偏最小二乘建模在R软件中的实现及实证分析[J]. 齐琛,方秋莲.  数学理论与应用. 2013(02)
[5]客运交通量预测模型构建与分析[J]. 张爱霞,张云鹏,王健,衣丽芬.  河北理工大学学报(自然科学版). 2010(04)
[6]基于偏最小二乘回归的我国民航客运量影响因素分析[J]. 朱卫卫.  中国市场. 2010(41)
[7]基于主成分回归的公路客运量预测模型研究[J]. 李晓刚,贾元华,敖谷昌.  交通标准化. 2009(09)
[8]灰色预测模型在公路客运量预测中的应用[J]. 师帅兵,姚春,高莹莹,李燕.  公路与汽运. 2008(02)



本文编号：2908182