基于SARIMA-PSO-ELM组合模型的我国铁路货运量预测

作者：张仙; 戴家佳; 余奇迪

来源：数理统计与管理, 2022, 41(03): 394-401.

DOI：10.13860/j.cnki.sltj.20220331-007

• 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

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SARIMAPSO-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。