根據(jù)國家統(tǒng)計局2005—2019年的全國鐵路客運量數(shù)據(jù),分別用ARIMA乘積季節(jié)模型和小波神經(jīng)網(wǎng)絡對2017—2019年全國鐵路客運量數(shù)據(jù)進行擬合與誤差分析。結(jié)果表明:利用ARIMA乘積季節(jié)模型擬合的結(jié)果更精確,能很好地反映全國鐵路客運量的變化規(guī)律,并使用ARIMA乘積季節(jié)模型對2020年的全國鐵路客運量月度數(shù)據(jù)進行預測。

【文章頁數(shù)】：2 頁

【部分圖文】：

圖12017—2019年時序圖和ARIMA(2,1,2)×(0,1,2)12擬合圖

(7)利用ARIMA(2,1,2)×(0,1,2)12乘積季節(jié)模型對2017—2019年數(shù)據(jù)進行擬合，擬合結(jié)果如圖1所示。(二)小波神經(jīng)網(wǎng)絡建模

圖2小波神經(jīng)網(wǎng)絡算法流程

基于小波神經(jīng)網(wǎng)絡的全國鐵路客運量分析的算法流程如圖2所示。用前4年同月的數(shù)據(jù)，來預測第5年同月的數(shù)據(jù)。即2005—2008年的1月份數(shù)據(jù)，來建立2009年1月份的全國鐵路客運量數(shù)據(jù)模型，用2005—2008的2月份數(shù)據(jù)，來建立2009年2月份的數(shù)據(jù)模型。以此類推，到12個月都建模....

圖3小波神經(jīng)網(wǎng)絡擬合圖

用2013—2016年同月份的全國鐵路客運量數(shù)據(jù)，來預測2017年同月份的全國鐵路客運量數(shù)據(jù);2014—2017年同月份的數(shù)據(jù)，來預測2018年同月份的全國鐵路客運量數(shù)據(jù);2015—2018年同月份的數(shù)據(jù)，來預測2019年同月份的全國鐵路客運量數(shù)據(jù)。共計36組數(shù)據(jù)。小波神經(jīng)網(wǎng)絡擬....

本文編號：3902325