论文部分内容阅读
针对机场货运量预测不能满足机场实际运行精度等缺点，提出一种季节性ARIMA和RBF神经网络集成模型预测机场货运量，该模型首先利用季节性ARIMA模型预测机场货运量线性部分，然后用RBF神经网络模型预测机场货运量非线性部分．最后把非线性部分预测结果作为线性部分预测结果的补偿．得到最终预测结果。实验结果表明，新模型可以有效结合季节性ARIMA和RBF神经网络各自的优点；相对单一季节性ARIMA模型和单一RBF神经网络模型预测精度分别提高了6．30％和3．32％，预测精度满足机场实际运行要求。