论文部分内容阅读
随着我国社会经济的发展,在出行方面越来越多的人追求高效、舒适的交通工具。因此,中国民航业在近些年的发展中,无论在规模上还是服务质量上都有着长足的进步。民航客运量不仅是反映民航运输业繁忙程度的参考,也是制定运输生产计划、研究运输发展的主要指标。所以使用科学的方法进行客运量的预测,就变得尤为重要。2019年9月北京大兴机场的投入运营,这将对北京民航业产生巨大影响。基于此,对北京民航客运量预测也变的更具有实际意义。文章首先从经济、旅游、竞争、机场运营能力四个方面的11个因素来构建影响北京民航客运量的因子指标,并运用相关分析法通过比较偏相关系数最终确立了5主要影响因素;然后利用训练数据对北京民航客运量构建ARIMA模型、BP神经网络模型、串联式组合模型、并联式组合模型进行预测,并使用测试数据对四类模型的预测精度进行验证,通过构建模型评价体系来衡量模型的优劣;最终验证了并联式组合模型中的有序加权组合模型在北京民航客运量的预测中效果最佳。结合实际情况,考虑到并联式有序加权组合模型并不能对未来客运量进行预测的这一客观事实,所以在文章中提出一种改进型的并联式组合模型来对未来北京民航客运量进行预测。通过对预测结果的精度验证,认为该改进型并联组合模型比单一模型的预测精度高。实证分析表明:各预测模型的精准度从高到低依次为并联式组合模型、ARIMA模型、串联式组合模型、BP神经网络模型。其中并联式组合中的有序加权组合模型的预测精度最高,其平均相对误差仅为1.01%;BP神经网络模型的预测精度最低,平均相对误差为5.13%。运用改进后的并联式组合模型预测时其平均相对误差为1.75%,比ARIMA模型低1.02%,比串联式组合模型的预测精度高出近一倍。利用该改进型并联式组合模型对北京民航客运量进行预测,从预测结果上看未来12个月的北京民航客运量仍会稳步增长,与过去的36个月相比不会出现较大的波动。