科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高物流货运量预测精度，提出一种基于X11季节调整和小波多尺度分解-长短期记忆神经网络(X11-WT-LSTM)的组合预测模型。首先，对原始数据进行季节调整，并通过小波分解(WT)将数据分解为高频序列、低频序列和趋势项；其次，分别使用长短期记忆神经网络(LSTM)、BP神经网络和Holt指数平滑法进行单项预测；最后，利用最小二乘线性回归对结果进行集成，并进行误差检验。实证结果表明：多尺度组合预测模型能明显提高预测精度，预测效果优于LSTM、ARIMA等单项预测方法以及未经季节调整的组合预测模型，为物流货运量预测提供了新的思路。
- 单位
