[发明专利]一种基于季节指数的ARIMA模型预测城市轨道交通月度客流方法

摘要

本发明公开了一种基于季节指数的ARIMA模型预测城市轨道交通月度客流方法，首先选取原始月度客流样本数据，按照直接平均季节指数法计算得到年度中各月份的季节指数，利用季节指数对样本中的原月度客流序列进行季节调整，对经过变换的月度客流序列数据依次进行平稳化处理、模型识别、参数估计和检验三个步骤从而构建出合适的ARIMA模型，最后利用季节指数将模型输出的预测结果进行逆向季节调整即为最终的月度客流预测值。本发明可用于提高城市轨道交通月度客流量预测的准确性，为车辆月度检修计划、运用车配备计划以及日常运输计划的调整等大型生产计划提供可靠的数据支撑。

主权项

一种基于季节指数的ARIMA模型预测城市轨道交通月度客流方法，其特征在于：包括如下步骤：(1)选取时间序列样本：以月份为统计时间间隔，统计各月份的客流量，形成时间序列样本X：X=x11...x1j...x1m...............xi1...xij...xim...............xn1...xnj...xnm]]>其中，n是时间序列样本的周期，单位为年；m是每周期包含的元素个数；元素xij表示第i年第j月份客流量；(2)计算各月份的季节指数：根据选取的时间序列样本，分别计算n年时间序列样本中所有月份客流量的算术平均值和第j月份客流量的算术平均值由此计算出第j月份的季节指数cj：cj=xj‾/x‾=mΣi=1nxij/Σi=1nΣj=1mxij,i=1,...,n,j=1,...,m]]>(3)客流序列季节调整：利用第j月份的季节指数cj对第i年第j月份客流量xij进行调整：xij'＝xij/cj其中，xij'表示经过调整后的第i年第j月份客流量；(4)数据平稳化处理：对经过调整后的所有月份客流量的时间序列进行平稳化处理，使处理后的时间序列是平稳非白噪声序列；(5)模型识别：对平稳化处理后的时间序列绘制自相关图和偏自相关图，根据自相关图和偏自相关图判断偏自相关系数和自相关系数是截尾还是拖尾，由此选取相应的ARIMA模型对平稳化处理后的时间序列进行拟合；(6)参数估计和检验：对拟合的ARIMA模型进行参数估计和有效性检验，若拟合的ARIMA模型未通过检验，则返回步骤(5)，重新选择ARIMA模型进行拟合；若拟合的ARIMA模型通过检验，则保留该拟合的ARIMA模型并返回步骤(5)，重新选择ARIMA模型进行拟合，直至通过检验的拟合的ARIMA模型皆满足检验要求；(7)从所有通过检验的拟合的ARIMA模型中选取最优ARIMA模型；(8)模型预测：利用最优ARIMA模型对一段时期内的客流量进行预测，通过预测得到未来第i年第j月份客流量yij；(9)逆向季节调整预测值：利用第j月份的季节指数cj对未来第i年第j月份客流量yij进行逆向季节调整，得到的结果yij”即为最终的未来第i年第j月份客流量预测值。