摘要
如何准确预测快递业务量,对提升快递业服务的效率和质量非常重要。文章针对此问题提出了一种基于互补集合经验模态分解(CEEMD)和支持向量机(SVM)的组合模型,为了提升模型精度对分解后的数据进行了相空间重构,并采用粒子群算法对SVM模型的参数进行优化。仿真结果表明,该模型优于其他两种对比模型,能够以一定的精度预测快递业务量。
引文
[1]张仲斐,赵一飞.基于ARIMA模型的全球跨国快递业务量预测[J].华东交通大学学报,2012,(1).
[2]张鹏.航空快递公司业务量的预测方法[J].物流技术与应用,2006,(9).
[3]宋大明.长春龙嘉国际机场航空业务量预测研究[D].长春:吉林大学硕士论文,2011.
[4]Yeh J R,Shieh J S,Huang E.Complementary Ensemble Empirical Mode Decomposition:A Novel Noise Enhanced Data Analysis Method[J].Advances in Adaptive Data Analysis,2011,2(2).
[5]王贺,胡志坚,陈珍等.基于集合经验模态分解和小波神经网络的短期风功率组合预测[J].电工技术学报,2013,(9).
[6]Kim H S,Eykholt R,Salas J D.Nonlinear Dynamics,Delay Times and Embedding Windows[J].Physica D,1999,(127).
[7]路世昌,赵博琦,毕建武.基于模糊信息粒化SVM时序回归CPI预测[J].统计与决策,2015,(14).