为解决无法获取先验分布模式的“贫信息、小样本”航线随机客流量预测问题,提取这类航线客流量时间序列的上、下界信息,并在中间增加一个偏好值,形成包含左界点、中间点和右界点的三元区间数结构的航线客流量表达形式,将三元区间数数据...为解决无法获取先验分布模式的“贫信息、小样本”航线随机客流量预测问题,提取这类航线客流量时间序列的上、下界信息,并在中间增加一个偏好值,形成包含左界点、中间点和右界点的三元区间数结构的航线客流量表达形式,将三元区间数数据结构转换为左半径、中心及右半径3个独立的时间序列,再利用灰色系统理论建立航线客流量预测模型,并利用周期外延模型对上述模型得出的残差序列进行修正。采用2004—2019年民航客运量数据进行验证分析。结果发现,ARIMA(autoregressive integrated moving average model)模型预测检验的平均绝对百分比误差为6.77%,灰色周期外延模型的平均绝对百分比误差为1.66%,因此后者在短期预测上有较大优势。展开更多
文摘为解决无法获取先验分布模式的“贫信息、小样本”航线随机客流量预测问题,提取这类航线客流量时间序列的上、下界信息,并在中间增加一个偏好值,形成包含左界点、中间点和右界点的三元区间数结构的航线客流量表达形式,将三元区间数数据结构转换为左半径、中心及右半径3个独立的时间序列,再利用灰色系统理论建立航线客流量预测模型,并利用周期外延模型对上述模型得出的残差序列进行修正。采用2004—2019年民航客运量数据进行验证分析。结果发现,ARIMA(autoregressive integrated moving average model)模型预测检验的平均绝对百分比误差为6.77%,灰色周期外延模型的平均绝对百分比误差为1.66%,因此后者在短期预测上有较大优势。
