基于组合预测模型的铁路客运量预测研究

为提高铁路客运量的预测精度，对组合预测模型的权重分配方法及组合方式的预测效果进行研究。综合考虑预测误差及其均方差的影响，构建基于Logit模型的权重分配模型以解决组合预测模型的权重分配问题，并提出模型求解算法。以北京市铁路客运量预测为例，研究BP神经网络、霍尔特线性趋势指数平滑法和ARIMA模型的多种组合方案的预测效果，并验证基于Logit模型的权重分配模型的优势。研究结果表明：线性与非线性预测模型组合的预测精度优于线性与线性预测模型的组合，其中，B-H-A模型的组合预测效果最好，误差低至0.606%。另外，通过与等分权重法对比，基于Logit模型的权重分配模型赋值的权重能提高组合预测模型的预测精度，且适用性更好。