發(fā)布時間：2020-12-10 05:49

　　文章針對我國鐵路客運量進行短期預測,首先分析現(xiàn)有常見預測模型的優(yōu)點與不足,然后試圖通過構造新的組合或修正模型,從而實現(xiàn)提高預測精度。在構建年度數(shù)據(jù)組合模型時,發(fā)現(xiàn)以偏最小二乘回歸、主成分回歸和嶺回歸為基礎進行組合時,預測精度達到了最優(yōu);在構建季度數(shù)據(jù)模型時,首先通過修正的時間序列分解法與季節(jié)周期回歸模型顯著地提高了預測精度,然后以這兩個模型為基礎構造組合模型,預測精度進一步得到提高。 

【文章來源】：統(tǒng)計與決策. 2019年21期 第66-71頁 北大核心CSSCI

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]基于灰色回歸組合模型的鐵路客運量預測研究[J]. 王彬.  重慶理工大學學報(自然科學). 2017(11)
[2]基于組合預測方法的公路客運量預測[J]. 朱方方,覃鵬,趙祖菊,王正.  綜合運輸. 2017(02)
[3]基于SARIMA模型在我國鐵路客運量中的預測[J]. 郝軍章,崔玉杰,韓江雪.  數(shù)學的實踐與認識. 2015(18)
[4]偏最小二乘建模在R軟件中的實現(xiàn)及實證分析[J]. 齊琛,方秋蓮.  數(shù)學理論與應用. 2013(02)
[5]客運交通量預測模型構建與分析[J]. 張愛霞,張云鵬,王健,衣麗芬.  河北理工大學學報(自然科學版). 2010(04)
[6]基于偏最小二乘回歸的我國民航客運量影響因素分析[J]. 朱衛(wèi)衛(wèi).  中國市場. 2010(41)
[7]基于主成分回歸的公路客運量預測模型研究[J]. 李曉剛,賈元華,敖谷昌.  交通標準化. 2009(09)
[8]灰色預測模型在公路客運量預測中的應用[J]. 師帥兵,姚春,高瑩瑩,李燕.  公路與汽運. 2008(02)



本文編號：2908182