典型文献
基于SARIMA-SVM组合模型的地铁客流量预测研究
文献摘要：
为提高地铁客流预测精度,通过结合不同类型日期的地铁客流量周期性及非线性特点,提出融合季节差分自回归移动平均模型(SARIMA)和支持向量机(SVM)的优化模型.该模型采用SARIMA对地铁客流量的时间序列数据进行线性建模,使用SVM对SARIMA模型输入的残差值进行非线性建模,并分别将SARIMA模型、SVM模型及SARIMA-SVM模型对工作日和双休日地铁客流量的预测效果进行比较.实验结果表明,SARIMA-SVM模型的预测精度高于单一模型,相较于不考虑日期类型的组合模型,精度提高了12.24％.考虑日期类型的SARIMA-SVM组合模型能够捕捉地铁客流规律,满足地铁客流量的预测要求,可为地铁运营提供决策依据.
文献关键词：
SARIMA;SVM;ARIMA;MAPE;客流预测;组合模型
中图分类号：
作者姓名：
邵必林;饶媛;何欣
作者机构：
西安建筑科技大学管理学院,陕西西安710055
文献出处：
引用格式：
[1]邵必林;饶媛;何欣-.基于SARIMA-SVM组合模型的地铁客流量预测研究)[J].软件导刊,2022(11):24-30
A类：
季节差分自回归移动平均
B类：
SARIMA,组合模型,地铁客流量,客流量预测,预测研究,地铁客流预测,差分自回归移动平均模型,时间序列数据,模型输入,残差值,非线性建模,工作日,双休日,地铁运营,决策依据,MAPE
AB值：
0.188583
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。
