时间序列和神经网络下我国铁路客运量的预测研究

摘要

提高我国铁路客运量的预测精度有利于国家对交通进行规划和管理.选取2010年1月至2019年12月铁路客运量的月度数据,建立SARIMA和RBF神经网络集合组成的预测模型,此模型优点是比单一的季节性ARIMA模型和RBF神经网络模型预测精度相对提高了2.66％和1.82％,组合预测模型精确度达到0.4％以下.预测2020年1月的铁路客运量为31024.13万人.