典型文献
基于优化X-12-ARIMA模型的船舶交通流量预测
文献摘要：
月度船舶交通流量数据具有较强的季节性,在提高数据预测精准度的同时,应提取其季节波动和长期趋势加以分析,而不是单纯预测未来发展趋势.为从数据中获得更多有效信息,利用时间序列ARIMA模型对原始数据进行拟合,使用残差平方和、均方根误差、AIC函数和SBC函数衡量模型拟合效果,选取局部最优模型.经比较后,选取X-12-ARIMA季节乘法模型拟合月度船舶交通流量数据,得到了季节波动、长期趋势和不规则变动随时间而发生的变化,并预测了未来12期的船舶交通流量.在此基础上,调用径向基神经网络函数对数据进行仿真研究.结果表明,采用优化的X-12-ARIMA模型预测船舶交通流量时,预测精度有了较大提高.
文献关键词：
船舶交通流量;季节性;X-12-ARIMA模型;RBF神经网络
中图分类号：
作者姓名：
陶鹤
作者机构：
兰州工商学院经济学院,甘肃兰州730101;甘肃省高校区域循环经济重点实验室,甘肃兰州730101
文献出处：
引用格式：
[1]陶鹤-.基于优化X-12-ARIMA模型的船舶交通流量预测)[J].高师理科学刊,2022(02):25-30
A类：
网络函数
B类：
ARIMA,船舶交通流量预测,月度,流量数据,数据预测,长期趋势,加以分析,预测未来,有效信息,原始数据,残差平方和,AIC,SBC,模型拟合,拟合效果,局部最优,最优模型,较后,调用,径向基神经网络,仿真研究,RBF
AB值：
0.196927
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。
