本论文主要研究了基于SARIMA的电梯交通流递归预测方法。在电梯群控算法中,良好的电梯交通流预测系统能够为电梯群组的调度提供有益的、具有预见性的指导。因此本论文在深入分析电梯交通流特点的基础上,根据电梯交通流序列只是简单的单变量时间序列这一特点,提出了一种基于季节ARIMA模型(SARIMA)的递归预测方法。本文在广泛阅读国内外文献的基础上,针对目前使用的电梯交通流预测方法中存在的问题,提出了一种离线的时间序列分析与在线的Kalman递归预测相结合的方法。并且在离线分析的过程中引入异常值检测环节,尽量降低训练数据中存在的异常值对将来预测的影响。该方法主要包括两个步骤,即离线分析和在线预测。第一步,首先采用季节时间序列分析法对电梯交通流训练数据进行分析得到初始的时间序列模型,然后启动异常值检测模块,并根据检测出来的异常值对原始序列进行修正得到修正的序列,最后利用修正的序列得到最终的电梯交通流季节时间序列模型;第二步,先把第一步中得到的电梯交通流季节时间序列模型转化为状态空间模型,然后使用Kalman滤波法在线调整模型参数,进而实现在线预测。由于以SARIMA模型作为基础,使得Kalman滤波中状态向量初值比较接近于正常的参数值,减少了迭代次数,缩短了在线预测的时间。同时因为离线训练过程中引入了异常值检测环节,使得预测效果更加精确。这些都是论文的创新之处。在论文的最后,在Matlab7.0和SAS 9.0的环境下对SARIMA递归预测方法进行仿真,通过各种试验测试和仿真结果的分析,证明本文中提出的方法无论是在运行的时间还是预测的精度方面都能取得较好的结果。