典型文献
基于EMD-SARIMA模型的铁路商品汽车运量预测
文献摘要：
针对铁路商品汽车月度运量时间序列呈现非平稳、季节性波动等特征,结合经验模态分解(EMD)方法建立了一种新的SARIMA时间序列预测模型.首先利用EMD将时间序列分解成多个相互独立且相互平稳的分量.然后分别对各个分量建立相对应的SARIMA时间序列模型,去除噪声分量.最后进行数据重构,将重构后的数据再进行SARIMA建模,以实现铁路商品汽车月度运量预测.预测结果显示,建立的EMD-SARIMA模型有着很高的预测精度,能够学习获取时间序列铁路商品汽车月度运量的成长过程及发展趋势,挖掘其周期性变化规律,为解决铁路商品汽车物流高质量发展过程中面临的问题起到重要的参考作用.
文献关键词：
铁路商品汽车运输;运量预测;经验模态分解;SARIMA模型
中图分类号：
作者姓名：
张旭宁
作者机构：
中铁特货物流股份有限公司 北京分公司,北京 100071
文献出处：
引用格式：
[1]张旭宁-.基于EMD-SARIMA模型的铁路商品汽车运量预测)[J].物流技术,2022(07):87-91
A类：
B类：
EMD,SARIMA,运量预测,月度,非平稳,季节性波动,经验模态分解,时间序列预测模型,时间序列分解,分解成,相互独立,时间序列模型,除噪声,数据重构,够学,成长过程,周期性变化,汽车物流,物流高质量发展,参考作用,铁路商品汽车运输
AB值：
0.265676
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
