航空貨郵周轉(zhuǎn)量是評(píng)價(jià)航空物流業(yè)發(fā)展的一個(gè)重要指標(biāo),傳統(tǒng)預(yù)測(cè)方法在復(fù)雜系統(tǒng)的表現(xiàn)較差。在趨勢(shì)外推法、多項(xiàng)式回歸和灰色預(yù)測(cè)的基礎(chǔ)上,引進(jìn)誘導(dǎo)有序加權(quán)平均（IOWA）算子組合預(yù)測(cè)模型。結(jié)果表明,該方法對(duì)航空貨郵周轉(zhuǎn)量的預(yù)測(cè)效果比其他方法更好,以2018年全球數(shù)據(jù)進(jìn)行檢驗(yàn),預(yù)測(cè)誤差僅有4.72%。通過(guò)預(yù)測(cè)結(jié)果進(jìn)一步對(duì)比分析全球及中國(guó)航空貨郵市場(chǎng)的發(fā)展情況及未來(lái)趨勢(shì),為中國(guó)航空物流業(yè)的轉(zhuǎn)型升級(jí)以及經(jīng)濟(jì)結(jié)構(gòu)的優(yōu)化發(fā)展提供參考與啟示。 

【文章來(lái)源】：技術(shù)經(jīng)濟(jì). 2020,39(03)北大核心CSSCI

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

IOWA算子組合預(yù)測(cè)模型的步驟和數(shù)學(xué)邏輯圖

另外，為了能更直接地反映各預(yù)測(cè)模型的擬合效果，本文將各個(gè)預(yù)測(cè)模型的預(yù)測(cè)值與全球航空貨郵周轉(zhuǎn)量的實(shí)際值構(gòu)建折線圖，其擬合結(jié)果如圖2所示。從圖2可以看出，相比于其他預(yù)測(cè)模型，IOWA算子組合預(yù)測(cè)模型對(duì)面板數(shù)據(jù)的擬合更好，更逼近實(shí)際值。進(jìn)一步通過(guò)組合預(yù)測(cè)的方法預(yù)測(cè)2018年全球航空貨郵周轉(zhuǎn)量，然后以2018年全球航空貨郵周轉(zhuǎn)量的實(shí)際值做進(jìn)一步的檢驗(yàn)，檢驗(yàn)發(fā)現(xiàn)估計(jì)值與實(shí)際值的相對(duì)誤差僅有4.72%，說(shuō)明此模型能夠較為精確地反映出面板數(shù)據(jù)未來(lái)的發(fā)展情況。

【參考文獻(xiàn)】：
期刊論文
[1]基于灰色神經(jīng)網(wǎng)絡(luò)的云南省貨運(yùn)量預(yù)測(cè)模型研究[J]. 巫仁亮,徐偉華,沈文喆.  物流科技. 2019(08)
[2]四川省入境旅游需求組合預(yù)測(cè)研究[J]. 王洋,張萍.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019(10)
[3]基于IOWA組合模型的高速鐵路客運(yùn)量預(yù)測(cè)研究[J]. 孫麗,牟海波.  鐵道運(yùn)輸與經(jīng)濟(jì). 2018(09)
[4]基于灰色系統(tǒng)理論的成績(jī)預(yù)測(cè)分析[J]. 楊冠.  數(shù)學(xué)學(xué)習(xí)與研究. 2018(05)
[5]基于IOWA算子的優(yōu)化灰色組合模型及其應(yīng)用[J]. 張和平,陳齊海,熊傳斌.  統(tǒng)計(jì)與決策. 2017(19)
[6]基于聚類(lèi)算法和ANFIS的廣西航空貨運(yùn)量預(yù)測(cè)研究[J]. 朱倩,廖志高,張峰祎.  武漢理工大學(xué)學(xué)報(bào). 2015(08)
[7]云南航空物流預(yù)測(cè)與發(fā)展對(duì)策研究[J]. 孫麗姍.  物流技術(shù). 2014(03)
[8]基于ARIMA-GM的短期民航貨郵周轉(zhuǎn)量研究[J]. 李程,徐琪.  計(jì)算機(jī)工程與應(yīng)用. 2015(02)
[9]趨勢(shì)外推法數(shù)學(xué)模型的幾何凸性分析[J]. 鄭寧國(guó).  高等數(shù)學(xué)研究. 2007(01)
[10]組合預(yù)測(cè)誤差信息矩陣進(jìn)一步研究[J]. 馬永開(kāi),楊桂元,唐小我.  電子科技大學(xué)學(xué)報(bào). 1996(05)



本文編號(hào)：3348053