摘要
由于受到诸多因素的影响,铁路货物周转量月度数据表现出显著的季节性、趋势性、随机性等特征,单一智能预测法很难准确揭示这些复杂变化特征。针对该问题,文章提出一种基于最小二乘支持向量机(LSSVM)铁路货物周转量智能组合预测法,该方法先通过X12季节调整法分解出铁路货物周转量月度数据中的趋势变化分量、季节变化分量和随机变化分量,再利用灰色预测法(GM(1,1))、小波神经网络(WNN)和支持向量机(SVM)分别预测这三种分量,最后通过LSSVM将三种分量的预测值组合为最终预测值。以我国铁路货物周转量月度数据为例,验证LSSVM智能组合预测法的有效性。结果表明,LSSVM智能组合预测法预测性能优于GM(1,1)、WNN、SVM、LSSVM以及Add组合预测法,适合于月度铁路货物周转量的短期预测。
出处
《统计与决策》
CSSCI
北大核心
2019年第24期77-80,共4页
Statistics & Decision
基金
国家自然科学基金青年项目（61503261）
河北省软科学研究计划项目（15456106D）
河北省高等学校青年拔尖人才计划项目（BJ2014097）
河北省社会科学发展重点课题（2015020206）
河北省软科学研究基地项目（12457206D-14）
