民航货运量IOWHA算子组合预测

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (23): 207-211.

民航货运量IOWHA算子组合预测

李程1，2

1.上海工程技术大学，上海 201620
2.东华大学，上海 201620

出版日期:2012-08-11 发布日期:2012-08-21

Air cargo volume forecasting based on induced ordered weighted harmonic averaging operator

LI Cheng1，2

1.Shanghai University of Engineering Science, Shanghai 201620, China
2.Donghua University, Shanghai 201620, China

Online:2012-08-11 Published:2012-08-21

摘要/Abstract

摘要： 收集我国民航货运量及其影响要素（职工平均工资、人均GDP、GDP、人均消费支出、航线里程、全社会固定资产投资和人口数量）的统计数据为基础，应用多元回归模型和GM（1，1）模型对样本数据进行分别预测，以此为基础，指出引入诱导有序调和加权平均算子（IOWHA）进行组合预测的必要性，基于该算子的优化组合模型进行预测，并构建误差评价指标体系。结果表明，基于诱导有序调和加权平均算子的民航货运量预测的各项误差指标值均低于任一单项预测值，说明该组合预测模型的预测效果更佳，预测精度更高，可应用于实际预测。

关键词: 多元回归, GM（1, 1）, 诱导有序调和加权平均（IOWHA）算子, 民航货运量

Abstract: On the basis of the historical data of air cargo volume in China and its influence factors, such as worker average wage, GDP per capita and GDP, consumer spending, routes, the social fixed assets investment and population, through application of GM（1，1）, multi-regression model and a combination prediction model based on IOWHA（Induced Ordered Weighted Harmonic Averaging） operators for forecasting the air cargo volume, the study shows the model given in this paper is effective and reasonable, has higher forecasting accuracy and can be used to predict the air cargo volume in China.

Key words: multi-regression, grey model（1, 1）, Induced Ordered Weighted Harmonic Averaging（IOWHA） operator, air cargo volume

李程1，2. 民航货运量IOWHA算子组合预测[J]. 计算机工程与应用, 2012, 48(23): 207-211.

LI Cheng1，2. Air cargo volume forecasting based on induced ordered weighted harmonic averaging operator[J]. Computer Engineering and Applications, 2012, 48(23): 207-211.

[1]	沈艳，尹金姗，韩帅，韩煜. 基于数值积分公式的GM（1，1）模型优化研究[J]. 计算机工程与应用, 2019, 55(24): 41-45.
[2]	刘举胜1，何建佳1，2，李鹏飞1 . 基于CAS理论的改进PSO算法[J]. 计算机工程与应用, 2017, 53(5): 57-63.
[3]	张文宇，孟旋，苏锦旗. 改进熵值法和马尔科夫链的组合预测及应用[J]. 计算机工程与应用, 2016, 52(6): 122-126.
[4]	张忠林，石皓尹，闫光辉. 灰色Markov模型动态关联规则趋势度挖掘方法[J]. 计算机工程与应用, 2015, 51(7): 154-159.
[5]	李艳平，麻敏洁，鲁来凤. 基于多模型拟合的西安市生活垃圾量预测[J]. 计算机工程与应用, 2015, 51(6): 222-226.
[6]	段新明，潮升，武继刚. PRDT（2，1）架构的NoC系统容错路由算法[J]. 计算机工程与应用, 2015, 51(3): 89-92.
[7]	李程1，2，徐琪1. 基于ARIMA-GM的短期民航货邮周转量研究[J]. 计算机工程与应用, 2015, 51(2): 259-264.
[8]	陈友军，何洪英，魏勇. 利用非线性规划方法最优化灰色预测模型[J]. 计算机工程与应用, 2014, 50(10): 61-64.
[9]	张　　磊1，徐达宇2. 基于多步优化GM（1，1）模型的云计算资源负荷短期预测[J]. 计算机工程与应用, 2014, 50(10): 65-71.
[10]	孙强，王秋萍. 融合粗糙集和灰色GM（1，N）的西安市供水量预测[J]. 计算机工程与应用, 2013, 49(11): 237-240.
[11]	周伟萍，王丰效. 灰色DNGM（1，1）预测模型及其优化[J]. 计算机工程与应用, 2013, 49(10): 28-31.
[12]	邬平1，2，吴斌1，2. 采用回归方法优化网络流量管理模型处理性能[J]. 计算机工程与应用, 2012, 48(4): 104-106.
[13]	姚金江1，武传坤2. 整数分解的升级算法及对RSA密码体制的影响[J]. 计算机工程与应用, 2011, 47(20): 91-95.
[14]	刘天印. 复杂网络上的A（H1N1）型流感传播模型研究[J]. 计算机工程与应用, 2011, 47(15): 222-224.
[15]	李蔚. 参数最优化的GM（1，1）模型[J]. 计算机工程与应用, 2011, 47(14): 25-27.