模态分解与混合模型融合的民航客运量预测

摘要

为解决民航客运量预测时存在的精度低、高维特征缺失等问题，结合中国民航客运量数据的特征，提出一种由互补集合经验模态分解(CEEMD)与支持向量机(SVM)组合的预测模型。通过CEEMD对数据进行分解，有效处理数据中的复杂特征和趋势。通过粒子群算法(PSO)优化SVM模型的参数，确保模型更好地适应数据特征并提供准确的预测结果。构建CEEMD-PSO-SVM组合预测模型应对复杂的客运量数据，提升预测效果。选取2005—2024年的客运量数据进行建模，并与CEEMD-SVM、 EMD-SVM、 EEMD-SVM、 EMD-PSO-SVM、 EEMD-PSO-SVM模型的预测效果进行比较。仿真结果表明：构建的CEEMD-PSO-SVM模型可有效预测中国民航客运量波动特征下的数据变化趋势。

关键词

互补集合经验模态分解 / 粒子群算法 / 支持向量机 / 组合预测 / 民航客运量预测