基于CEEMD-SVM组合模型的快递业务量预测

详细信息    查看全文 | 推荐本文 |

	作者：李辰颖 关键词：互补集合经验模态分解 ; 支持向量机 ; 快递业务量 ; 相空间重构 中文刊名：TJJC 英文刊名：Statistics & Decision 机构：上海财经大学会计学院;北京林业大学经济管理学院; 出版日期：2019-06-21 16:02 出版单位：统计与决策 年：2019 期：v.35;No.528 基金：国家社会科学基金重大项目(15ZDB160);; 中央高校基本科研业务费专项资金资助项目(2018RW12) 语种：中文; 页：TJJC201912021 页数：3 CN：12 ISSN：42-1009/C 分类号：85-87

摘要

如何准确预测快递业务量,对提升快递业服务的效率和质量非常重要。文章针对此问题提出了一种基于互补集合经验模态分解(CEEMD)和支持向量机(SVM)的组合模型,为了提升模型精度对分解后的数据进行了相空间重构,并采用粒子群算法对SVM模型的参数进行优化。仿真结果表明,该模型优于其他两种对比模型,能够以一定的精度预测快递业务量。
        

引文

[1]张仲斐,赵一飞.基于ARIMA模型的全球跨国快递业务量预测[J].华东交通大学学报,2012,(1).
    [2]张鹏.航空快递公司业务量的预测方法[J].物流技术与应用,2006,(9).
    [3]宋大明.长春龙嘉国际机场航空业务量预测研究[D].长春:吉林大学硕士论文,2011.
    [4]Yeh J R,Shieh J S,Huang E.Complementary Ensemble Empirical Mode Decomposition:A Novel Noise Enhanced Data Analysis Method[J].Advances in Adaptive Data Analysis,2011,2(2).
    [5]王贺,胡志坚,陈珍等.基于集合经验模态分解和小波神经网络的短期风功率组合预测[J].电工技术学报,2013,(9).
    [6]Kim H S,Eykholt R,Salas J D.Nonlinear Dynamics,Delay Times and Embedding Windows[J].Physica D,1999,(127).
    [7]路世昌,赵博琦,毕建武.基于模糊信息粒化SVM时序回归CPI预测[J].统计与决策,2015,(14).