-
题名基于季节分解组合模型的全国航空货运量预测
- 1
-
-
作者
石学刚
邬林江
范棋航
-
机构
中国民航大学交通科学与工程学院
-
出处
《科学技术与工程》
北大核心
2025年第13期5655-5661,共7页
-
基金
天津教委人文社科一般项目(2021SK034)。
-
文摘
为应对日益复杂多变的市场环境带来的航空货运市场供需不平衡问题,提高航空货运量预测精度对于航线规划和供应链优化等具有重要意义。首先基于2000年1月—2022年12月的月度航空货运数据作为训练集,通过季节性分解法(seasonal and trend decomposition using loess, STL)捕捉季节性波动规律和长期变化趋势,然后基于深度学习的时间序列预测模型(long short-term memory-support vector regression, LSTM-SVR)来拟合因突发事件下的货运量引起的非线性变化,最后基于2023年全年的月度数据对预测模型进行检验。结果表明:基于季节和组合预测模型(STL-SVR-LSTM)相比于传统方法如自回归移动平均(autoregressive integrated moving average, ARIMA)、SVR或LSTM在突发事件下对航空货运量的预测更为准确。2023年的数据检验得出季节和组合预测模型均方根误差和平均绝对百分比误差分别为3.53和3.53%,拟合优度为0.79,LSTM模型预测结果次优,均方根误差和平均绝对百分比误差分别为5.66和7.73%,拟合优度为0.58,显著优于其他两种传统预测模型。可见该预测模型能适应复杂环境下的航空货运量预测,有助于在突发事件下为企业经营和增强供应链的稳定提供参考建议。
-
关键词
航空运输
月度货运量预测
STL-SVR-LSTM模型
突发事件
预测方法优化
-
Keywords
transport aviation
monthly freight volume forecast
STL-SVR-LSTM model
suddenly events
optimization of prediction methods
-
分类号
U8
[交通运输工程]
-
