论文部分内容阅读
考虑到物流行业具有周期性和随机性等特征，文章提出了基于季节分解和神经网络的的物流预测混合模型。该模型结合了统计方法对季节和趋势等确定性因素的简洁刻画能力，以及神经网络模型对随机因素的强大非线性拟合功能，极大地提高了物流货运量的预测准确性。实证结果表明：与线性回归模型、ARIMA模型和支持向量机相比，混合模型对于铁路货运量的预测误差最小，准确度最高。