期刊文献+

基于ARIMA模型的残差修正的航线运量预测方法 被引量:9

Airline Transport Demand Forecast by Using ARIMA and Residual Improved Model
下载PDF
导出
摘要 针对民航运量数据提出对主体ARIMA模型的残差序列进行二次建模以修正原模型的精度和适应性,引入遗传进化因子来估计二次建模的参数,利用一个典型的民航运量时间序列进行建模仿真,通过对仿真建模的结果评价表明该种建模方法是有效的,能够提高模型的预测精度和改进模型的适应性。 Due to the seasonal characteristics of civil aviation transport demands, a satisfactory estimation accuracy cannot be obtained by an ARIMA model only. Thus, a residual secondary modeling method is pro- posed to improve the accuracy and adaptability of the primary ARIMA model. Further, a genetic operator is introduced to the solution process of the model. With the typical data from the real world, test is conducted by simulation. Results show that the forecasting accuracy and adaptability are significantly improved. In other words, the proposed method is effective.
出处 《工业工程》 北大核心 2010年第1期74-79,共6页 Industrial Engineering Journal
基金 国家自然科学基金资助项目(60776820) 中国民航飞行学院自然科学基金资助项目(J2008-28)
关键词 航线运量 ARIMA模型 遗传进化算子 civil aviation transport demands ARIMA model genetic operator
  • 相关文献

参考文献11

二级参考文献39

  • 1薛可,李增智,刘浏,宋承谦.基于ARIMA模型的网络流量预测[J].微电子学与计算机,2004,21(7):84-87. 被引量:30
  • 2孙宏,史虹圣.航线运输需求量预测模型研究[J].中国民航飞行学院学报,2004,15(5):38-40. 被引量:10
  • 3[1]Box G E P, JenKins G M, Reinsel G C. Time Series Analysis Forecasting and Control[M]. 北京: 中国统计出版社, 1997
  • 4[2]田铮.动态数据处理的理论与方法--时间序列分析[M].西安:西北大学出版社,2001
  • 5[4]查特菲尔德C.时间序列分析导论[M].北京:宇航出版社,1985
  • 6[6]Ganti V,Gehrke J,Ramakrishnan R. Mining and Monitoring Evolving Data[ J ]. I E E E Trans on Knowledgc and Data Eng., 2001
  • 7[7]Heikki D,Padhraic M.张银奎,廖丽,宋俊等译.数据挖掘原理[M].北京:机械工业出版社,2003
  • 8[1]邓聚龙.灰色理论与方法[M].北京:石油工业出版社,1993.
  • 9[6]Chiao Chih.Hua,Wang W Y.Reliability Improvement of Fluorescent Lamp Using Grey Forecasting Model[J].Microelectronics Reliability,2002,(42):127-134.
  • 10Goldberg DE.Genetic Algorithms in Search,Optimization,and Machine Learning [M].MA: Addison-Wesley, 1989.

共引文献53

同被引文献63

引证文献9

二级引证文献17

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部