基于ARIMA模型的极端事件下铁路货运量预测研究
合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明,ARIMA模型能够结合异常数据对极端事件发生后的铁路货运量进行较精准的预测.
极端事件、ARIMA模型、铁路货运量、异常数据
38
U2-9
国家社会科学基金19BTJ048
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
67-72