典型文献
基于SARIMA-PSO-ELM组合模型的我国铁路货运量预测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
张仙;戴家佳;余奇迪
作者机构：
贵州大学数学与统计学院,贵州贵阳550025
文献出处：
引用格式：
[1]张仙;戴家佳;余奇迪-.基于SARIMA-PSO-ELM组合模型的我国铁路货运量预测)[J].数理统计与管理,2022(03):394-401
A类：
B类：
SARIMA,PSO,ELM,国铁,铁路货运量预测,节日,波动性,非线性特征,粒子群优化,算法优化,极限学习机,相加,加得,组合模型预测,平均绝对误差,MAE,平均绝对百分比误差,MAPE
AB值：
0.155879
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
