文献类型：期刊文章

作　　者：张仙[1] 戴家佳[1] 余奇迪[1]

ZHANG Xian;DAI Jia-jia;YU Qi-di(Sdiool of Mathematics and Statistics,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学数学与统计学院,贵州贵阳550025

出　　处：《数理统计与管理》

基　　金：贵州省数据驱动建模学习与优化创新团队(黔科合平台人才[2020]5016)。

年　　份：2022

卷　　号：41

期　　号：3

起止页码：394-401

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：我国铁路货运量易受天气、节日和市场需求等众多因素的影响,使得铁路货运量具有周期性和波动性,预测难度高。本文综合考虑铁路货运量序列线性和非线性特征,建立SARIMA-PSO-ELM组合模型以提升预测的精度。首先使用SARIMA模型对我国铁路货运量序列进行预测,其次对SARIMA模型预测的残差建立PSO(粒子群优化)算法优化的ELM(极限学习机)预测模型,最后将两模型的预测值相加得到SARIMA-PSO-ELM组合模型的预测结果。组合模型预测的平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别是0.0129、0.35%,相较于SARIMA和PSO-ELM两种模型其预测精度更高。

关 键 词：铁路货运量预测 SARIMA  极限学习机 粒子群优化 SARIMA-PSO-ELM组合模型  

分 类 号：TP393] O212[计算机类]