成都双流机场旅客吞吐量的预测研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Prediction research on passenger throughput of Chengdu Shuangliu Airport 作者：朱贾悦 ; 方雨晨 ; 李欣月 英文作者：ZHU Jiayue;FANG Yuchen;LI Xinyue;School of Mathematics and Statistics,Guizhou University of Finance and Economics; 关键词：ARIMA模型 ; 双流机场旅客吞吐量 ; 灰色预测模型 ; 组合预测模型 英文关键词：ARIMA model;;Shuangliu passenger throughput;;Grey prediction model;;combined forecasting model 中文刊名：KJJJ 英文刊名：Technology & Economy in Areas of Communications 机构：贵州财经大学数统学院; 出版日期：2019-01-15 出版单位：交通科技与经济 年：2019 期：v.21;No.111 基金：国家自然科学基金项目资助(71761005) 语种：中文; 页：KJJJ201901011 页数：5 CN：01 ISSN：23-1443/U 分类号：51-54+72

摘要

机场旅客吞吐量是衡量一个地区发展的重要标志,也是实现机场资源有效配置的根据。因此,精确地预测机场旅客吞吐量对机场规划和建设具有重要的意义。选用2005—2017年的成都双流机场旅客吞吐量作为数据,首先,建立ARIMA模型和灰色预测模型并进行预测。然后,在此基础上运用赋权法对两种模型进行组合,形成灰色-ARIMA组合预测模型。最后,将3种模型的预测结果与实际值进行比较。结果证明,组合模型的预测平均绝对误差低于另外两种模型,具有较好的预测效果。
        Airport passenger throughput is an important indicator to measure the development of a region,and also a basis to realize the efficient allocation of airport resources.Therefore,it is of great significance to accurately predict airport passenger throughput for Chengdu and Chengdu Shuangliu Airports.In this paper,the passenger throughputs of Chengdu Shuangliu Airport from 2005 to 2017 are selected as data.Firstly,ARIMA model and grey prediction model are established and predicted.On this basis,the two models are combined by weight method,and the grey-ARIMA combination forecasting model is proposed.Finally,the prediction results of the three models are compared with the actual values.The result shows that the average absolute error of the combined model is lower than that of the other two models,which has a better prediction effect.

引文

[1]陈玉宝,曾刚.基于组合预测方法的民航旅客吞吐量预测研究——以首都机场为例[J].中国民航大学学报,2014,32(2):59-64.
    [2]杨金花,杨艺.基于灰色模型的上海港集装箱吞吐量预测[J].上海海事大学学报,2014,35(2):28-32.
    [3]冯瑞.GDP时间序列的ARIMA模型研究[J].重庆工商大学学报(自然科学版),2014,31(12):34-37.
    [4]高凤,任志安.基于ARIMA模型的山东省GDP预测[J].管理工程师,2015,20(5):1-4.
    [5]关晓轲.基于灰色理论的碳市场交易价格预测研究[D].成都:西南交通大学,2016.
    [6]孔琳琳,刘澜,许文秀,等.基于时间序列分析的港口集装箱吞吐量预测分析[J].森林工程,2016,32(5):106-110.
    [7]翟静,曹俊.基于时间序列ARIMA与BP神经网络的组合预测模型[J].统计与决策,2016(4):29-32.
    [8]刘胜.基于ARIMA与SVM组合模型的国内旅游市场预测研究[D].南昌:东华理工大学,2017.
    [9]张竞文.时间序列模型在经济数据分析中的应用[D].沈阳:辽宁师范大学,2017.
    [10]童明余.灰色建模方法及其在预测中的应用研究[D].重庆:重庆大学,2016.
    [11]文军,刘雄,谭朝阳.基于最优加权法的航空货运量组合预测[J].科学技术与工程,2010,10(26):6595-6598.
    [12]冯冰玉.基于灰色理论与智能算法的铁路客运量预测组合模型研究[D].兰州:兰州交通大学,2016.
    [13]李国娟.基于灰色预测理论和马氏过程的网络流量预测[D].西安:西安电子科技大学,2017.
    [14]刘晓宇.时间序列预测模型及其应用[J].金融理论与教学,2018(1):46-49.
    [15]杜懿,麻荣永.不同改进的ARIMA模型在水文时间序列预测中的应用[J].水力发电,2018,44(4):12-14,28.