论文研究 基于ARIMA GM的短期民航货邮周转量研究.pdf

ARIMA模型对季节特征有较好的拟合效果，灰色GM（1，1）模型能准确反映时间序列的增长趋势，结合民航货邮周转量的特点和ARIMA模型和GM（1，1）模型的优点，分别建立货邮周转量的ARIMA和GM（1，1）的时间序列模型，揭示出民航货邮周转量随时间推移而发展变化的动态规律，最后为更精确地预测月度民航货邮周转量，提出基于ARIMA-GM的组合预测模型，并对近几月民航货邮周转量进行较准确的短期预测，结果表明：组合模型能提高预测精度，在实际应用中ARIMA模型可用于非季节和季节的各类时间序列；灰色GM（1，1）模型能准确反映时间序列的增长趋势，两者相结合很好地解决了民航货邮周转量短期预测的实际问题